Deteksi Varian Penggunaan Helm dari Kamera Surveilans Menggunakan Metode Berbasis Deep Learning
Abstract
Sepeda motor merupakan moda transportasi utama di
Indonesia, tetapi tingkat kepatuhan terhadap penggunaan
helm masih rendah. Rekaman kamera surveilans yang sering
kali memiliki resolusi rendah menyulitkan deteksi otomatis.
Selain itu, variasi helm yang digunakan, seperti full-face,
half-face, non-standar, serta pengendara tanpa helm,
menjadi tantangan dalam proses pendeteksian. Penelitian ini
bertujuan untuk mengembangkan model deep learning
berbasis YOLOv8n yang mampu mendeteksi penggunaan
helm pada citra beresolusi rendah. Dataset dikumpulkan
secara mandiri dengan sudut pandang serta pencahayaan
yang serupa. Pengujian dilakukan dengan berbagai
konfigurasi batch size dan jumlah epoch untuk menemukan
parameter optimal. Hasil evaluasi menunjukkan bahwa
model dengan 100 epoch dan batch size 32 memberikan
performa terbaik dengan mAP@50 sebesar 0.984, mAP@50-
95 sebesar 0.819, precision 0.953, recall 0.952, dan F1-score
0.953. Model ini mampu mendeteksi empat kategori helm
dengan akurasi tinggi meskipun pada citra beresolusi rendah.
Penelitian ini membuktikan bahwa YOLOv8n dapat
digunakan untuk deteksi otomatis penggunaan helm dengan
akurasi tinggi, yang dapat membantu sistem pemantauan lalu
lintas dan meningkatkan keselamatan berkendara.
Kata kunci: deteksi helm, kamera surveilans, resolusi rendah,
deep learning, YOLOv8
References
Kompas.com, “Jumlah Sepeda Motor di Indonesia
Tembus 128 Juta Unit,”
https://otomotif.kompas.com/read/2023/03/19/082100215
/jumlah-sepeda-motor-di-indonesia-tembus-128-juta-unit.
Kompas.com, “Sepeda Motor Jadi Penyumbang
Kecelakaan Tertinggi Sepanjang 2023,”
https://otomotif.kompas.com/read/2024/01/17/071200015
/sepeda-motor-jadi-penyumbang-kecelakaan-tertinggisepanjang-2023.
Pemerintah Pusat Indonesia, “Undang-undang
Nomor 22 Tahun 2009 tentang Lalu Lintas Dan Angkutan
Jalan,” https://peraturan.bpk.go.id/Details/38654/uu-no22-tahun-2009.
D. Hazra and Y.-C. Byun, “Upsampling real-time,
low-resolution CCTV videos using generative adversarial
networks,” Electronics (Basel), vol. 9, no. 8, p. 1312, 2020.
J. Mercado Reyna et al., “Detection of Helmet
Use in Motorcycle Drivers Using Convolutional Neural
Network,” Applied Sciences, vol. 13, no. 10, p. 5882, 2023.
T. Waris et al., “CNN‐Based Automatic Helmet
Violation Detection of Motorcyclists for an Intelligent
Transportation System,” Math Probl Eng, vol. 2022, no. 1,
p. 8246776, 2022.
M. Dasgupta, O. Bandyopadhyay, and S.
Chatterji, “Automated helmet detection for multiple
motorcycle riders using CNN,” in 2019 IEEE Conference
on Information and Communication Technology, IEEE,
, pp. 1–4.
A. Afzal, H. U. Draz, M. Z. Khan, and M. U. G.
Khan, “Automatic helmet violation detection of
motorcyclists from surveillance videos using deep learning
approaches of computer vision,” in 2021 International
Conference on Artificial Intelligence (ICAI), IEEE, 2021,
pp. 252–257.
M. Jakubec, E. Lieskovska, A. Brezani, and J.
Tothova, “Deep learning-based automatic helmet
recognition for two-wheeled road safety,” Transportation
research procedia, vol. 74, pp. 1171–1178, 2023.
A. Albert, K. Gunadi, and E. Setyati, “Deteksi
Helm pada Pengguna Sepeda Motor dengan Metode
Convolutional Neural Network,” Jurnal Infra, vol. 8, no. 1,
pp. 295–301, 2020.
bandungkita.id, “Pakai Helm Full Face, Masih
Perlukah Kenakan Masker? Ini Penjelasannya,”
motorexpertz.com, “Ragam Helm Motor: Half
Face, Full Face, dan Modular, Apa Bedanya?,”
https://motorexpertz.com/read/28036/ragam-helm-motorhalf-face-full-face-dan-modular-apa-bedanya.
oto.detik.com, “Kenali 7 Jenis Helm Motor
Beserta Kegunaan dan Tingkat Keamanannya,”
rsa.or.id, “Mana Helmnya?,”
https://rsa.or.id/mana-helmnya/.
A. KM and A. KK, “A Review on Deep Learning
Based Helmet Detection,” in Proceedings of the
International Conference on Systems, Energy &
Environment (ICSEE), 2021.
B. Yogameena, K. Menaka, and S. Saravana
Perumaal, “Deep learning‐based helmet wear analysis of a
motorcycle rider for intelligent surveillance system,” IET
Intelligent Transport Systems, vol. 13, no. 7, pp. 1190–
, 2019.
Z. Li, F. Liu, W. Yang, S. Peng, and J. Zhou, “A
survey of convolutional neural networks: analysis,
applications, and prospects,” IEEE Trans Neural Netw
Learn Syst, vol. 33, no. 12, pp. 6999–7019, 2021.
F. I. Ariwibowo and D. P. Ismi, “Transforming
traffic surveillance: a YOLO-based approach to detecting
helmetless riders through CCTV,” Science in Information
