| dc.description.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. | |
