SISTEM PENDETEKSI ASAP MENGGUNAKAN ROBOFLOW DAN DEEP LEARNING BERBASIS YOLOV8

Alwana, Farasi, 52204110010 and Akbar, Ronny Makhfuddin, 0709078604 and Syaifuddin, Ahmad, 0712039302 (2026) SISTEM PENDETEKSI ASAP MENGGUNAKAN ROBOFLOW DAN DEEP LEARNING BERBASIS YOLOV8. Bachelor thesis, Universitas Islam Majapahit.

	Text ABSTRAK.pdf Restricted to Registered users only Download (734kB)
Preview	Text BAB 1.pdf Download (263kB) | Preview
	Text BAB 2.pdf Restricted to Registered users only Download (661kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
Preview	Text BAB 5.pdf Download (226kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Download (4MB)

Abstract

Pelanggaran terhadap Kawasan Tanpa Rokok (KTR) masih sering terjadi karena proses pengawasan yang dilakukan secara manual kurang efektif dan memerlukan pemantauan secara terus-menerus. Penelitian ini bertujuan untuk merancang dan membangun sistem pendeteksi asap rokok berbasis website menggunakan metode You Only Look Once versi 8 (YOLOv8) dengan memanfaatkan dataset dari roboflow sebagai data pelatihan model. Metode penelitian yang digunakan adalah research and development (R&D) dengan tahapan meliputi studi literatur, pengumpulan dan anotasi dataset, pelatihan model YOLOv8, implementasi model ke dalam aplikasi berbasis Flask, serta pengujian sistem menggunakan metode black box testing. Sistem yang dikembangkan dilengkapi dengan fitur login, dashboard, deteksi melalui unggahan gambar, deteksi secara real-time menggunakan webcam, riwayat deteksi, penyimpanan bukti deteksi (evidence), notifikasi alarm, dan halaman informasi sistem. hasil evaluasi model YOLOv8 menunjukkan nilai precision sebesar 94,48%, recall sebesar 76,54%, mAP@0.5 sebesar 87,63%, dan mAP@0.5:0.95 sebesar 65,98%. Sistem mampu mendeteksi keberadaan asap rokok melalui gambar maupun webcam dengan menampilkan bounding box, label objek, dan nilai confidence. Hasil pengujian juga menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan fungsional. Dengan demikian, sistem yang dikembangkan dapat menjadi alternatif solusi untuk mendukung pengawasan Kawasan Tanpa Rokok secara lebih efektif dan efisien.

Actions (login required)

View Item