Implementasi Metode Yolo untuk Identifikasi Perokok Dalam Ruangan Tertutup Sebagai Sub-Sistem Sistem Identifikasi Kualitas Udara

Ilham, M. Zhaki (2026) Implementasi Metode Yolo untuk Identifikasi Perokok Dalam Ruangan Tertutup Sebagai Sub-Sistem Sistem Identifikasi Kualitas Udara. S1 thesis, Universitas Andalas.

	Text (01. Cover & Abstrak) 01. Cover & Abstrak.pdf - Published Version Download (1MB)
	Text (02. Bab I) 02. Bab I.pdf - Published Version Download (3MB)
	Text (03. Bab V) 03. Bab V.pdf - Published Version Download (196kB)
	Text (04. Daftar Pustaka) 04. Daftrar Pustaka.pdf - Published Version Download (527kB)
	Text 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (43MB) | Request a copy

Abstract

Penelitian ini berfokus pada implementasi sub-sistem pendeteksi objek rokok secara real-time menggunakan algoritma computer vision sebagai bagian dari sistem prediktif kualitas udara dalam ruangan. Sistem ini mengintegrasikan algoritma You Only Look Once versi nano (YOLOv5n) pada Raspberry Pi 5, didukung oleh kamera JETE W7 sebagai input visual dan speaker ACOME A10 untuk notifikasi audio. Model dilatih menggunakan 19.102 gambar dari platform Roboflow lalu dikonversi ke format ONNX untuk mengoptimalkan kecepatan inferensi pada perangkat edge tanpa GPU tambahan. Berdasarkan hasil pengujian, sub-sistem ini berhasil mencapai akurasi fungsional sebesar 85% dalam membedakan rokok asli dengan objek mirip rokok. Sistem peringatan suara terbukti responsif dengan rata-rata delay 2,296 detik, jauh di bawah batas target 5 detik. Meskipun masih memiliki limitasi false positive pada objek berdimensi panjang seperti spidol, sub-sistem deteksi rokok berbasis YOLO ini terbukti efektif diimplementasikan sebagai mekanisme peringatan otomatis guna mendukung penegakan kawasan bebas asap rokok di dalam ruangan.

Actions (login required)

View Item