Implementasi Sistem Keamanan Otomatis dengan You Only Look Once V8

Abstract

Peningkatan kasus kriminalitas, khususnya pencurian sepeda motor di kawasan padat penduduk, menuntut adanya sistem keamanan yang lebih proaktif dan efisien. Sistem keamanan konvensional seperti patroli manual dan CCTV memiliki keterbatasan karena sifatnya yang reaktif dan rentan terhadap human error. Penelitian ini mengusulkan pengembangan sistem keamanan otomatis berbasis algoritma You Only Look Once versi 8 (YOLOv8) untuk mendeteksi objek secara real-time. Penelitian berfokus pada implementasi deteksi logo pada seragam santri dan objek manusia sebagai dasar kontrol akses gerbang otomatis yang terintegrasi dengan pengiriman notifikasi melalui Telegram. Metodologi penelitian mencakup perancangan perangkat keras dengan simulasi motor DC sebagai gerbang otomatis, pengumpulan dan anotasi dataset sebanyak 2.594 citra, serta pelatihan lima varian model YOLOv8 (n, s, m, l, x) menggunakan platform Google Colab. Evaluasi dilakukan dengan parameter Precision, Recall, mAP, serta F1-Score. Hasil menunjukkan bahwa YOLOv8m unggul pada akurasi lokalisasi dengan nilai mAP@0.5:0.95 sebesar 0,729, sedangkan YOLOv8l memberikan keseimbangan terbaik antara Precision dan Recall dengan F1-Score tertinggi 0,935. Model YOLOv8n menunjukkan kinerja optimal dalam kecepatan deteksi dengan rata-rata 27 FPS, sedangkan YOLOv8x memberikan akurasi tertinggi hingga 100% meskipun membutuhkan komputasi lebih besar. Secara keseluruhan, sistem mampu mengenali santri dengan tingkat keberhasilan 83–100% sesuai varian model, serta mendeteksi orang asing dengan akurasi 90%. Penelitian ini membuktikan bahwa YOLOv8 dapat diimplementasikan untuk sistem keamanan otomatis yang efektif, dengan potensi pengembangan lebih lanjut melalui peningkatan dataset, penyesuaian arsitektur model, dan optimalisasi sudut pandang kamera.