Perkembangan media digital meningkatkan akses anak terhadap tayangan animasi kartun yang tidak selalu aman, di mana beberapa tayangan diketahui mengandung objek berbahaya seperti pisau, senjata tajam, pistol, dan senapan yang berpotensi memberikan pengaruh negatif terhadap perkembangan anak. Penelitian ini bertujuan mengimplementasikan sistem deteksi objek berbahaya pada video animasi kartun anak menggunakan algoritma YOLO26 (You Only Look Once) untuk filtrasi konten. Kontribusi utama penelitian ini adalah pembangunan dataset anotasi khusus berisi 4.486 gambar dengan 5.060 bounding box yang dikumpulkan dari berbagai gaya animasi kartun, berbeda dari penelitian terdahulu yang umumnya menggunakan dataset domain nyata (real-world). Dataset terdiri atas empat kelas objek (pisau, senjata tajam, pistol, dan senapan) dan dibagi dengan rasio 80:10:10 untuk data latih, validasi, dan uji, dengan model YOLO26 di-fine-tuning dari bobot pra-latih COCO. Model YOLO26 dilatih dan dievaluasi menggunakan metrik Precision, Recall, F1-Score, mAP@0.5, dan mAP@0.5:0.95 terhadap 449 gambar uji dengan 501 objek berbahaya. Hasil evaluasi menunjukkan Precision sebesar 0,945, Recall 0,938, F1-Score 0,941, mAP@0.5 sebesar 0,953, dan mAP@0.5:0.95 sebesar 0,763, dengan mAP@0.5 di atas 0,88 pada seluruh kelas. Model diimplementasikan sebagai purwarupa aplikasi berbasis web untuk filtrasi konten yang memungkinkan pengguna memasukkan tautan video animasi dari repositori video aplikasi dan memperoleh hasil deteksi otomatis.
Copyrights © 2026