Sistem Deteksi Perilaku Pengendara Menggunakan Algoritma YOLOv5

Abstract

Kecelakaan lalu lintas adalah penyebab utama kerugian material, cedera, dan kematian di jalan raya, dengan mayoritas kasus diakibatkan oleh kelalaian manusia. Penelitian ini mengembangkan model deteksi perilaku berisiko pengemudi menggunakan algoritma YOLOv5 untuk mengidentifikasi perilaku yang berpotensi menyebabkan kecelakaan. Dataset berisi 9.869 citra yang dikelompokkan ke dalam lima kategori: mengantuk, menguap, merokok, tidak menggunakan sabuk pengaman, dan menggunakan telepon saat mengemudi. Proses penelitian meliputi praproses data, pembagian data, pelatihan model, pembuatan model deteksi langsung, dan evaluasi kinerja. Hasil menunjukkan bahwa model dapat mendeteksi perilaku berisiko dengan akurasi rata-rata 90% Model ini memiliki potensi untuk diimplementasikan dalam sistem pemantauan keselamatan real-time, namun diperlukan optimasi lebih lanjut. Penelitian ini diharapkan mampu meningkatkan keselamatan lalu lintas melalui teknologi deteksi otomatis yang dapat menurunkan risiko kecelakaan akibat kelalaian pengemudi.