Detail Tugas Akhir

DETEKSI TINDAK KEKERASAN PADA ANAK DI SEKOLAH MENGGUNAKAN YOLO V8 UNTUK MENINGKATKAN KEAMANAN LINGKUNGAN PENDIDIKAN BERBASIS WEB

Agustiguna, Gita (2025) DETEKSI TINDAK KEKERASAN PADA ANAK DI SEKOLAH MENGGUNAKAN YOLO V8 UNTUK MENINGKATKAN KEAMANAN LINGKUNGAN PENDIDIKAN BERBASIS WEB. S1 thesis, Universitas Muhamamdiyah Ponorogo.

Berkas Tugas Akhir

PDF
Text (Persetujuan Unggah Karya)
Persetujuan Unggah Karya.pdf
Baca PDF Ukuran File (318kB)
PDF
Text (COVER)
HALAMAN DEPAN.pdf
Baca PDF Ukuran File (1MB)
PDF
Text (BAB I)
BAB I.pdf
Baca PDF Ukuran File (377kB)
PDF
Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (824kB)
PDF
Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (736kB)
PDF
Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (2MB)
PDF
Text (BAB V)
BAB V.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (255kB)
PDF
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf
Baca PDF Ukuran File (319kB)
PDF
Text (FULL TEXT)
FULL TEXT.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (4MB)

Abstract

Lingkungan pendidikan seharusnya menjadi tempat yang aman dan nyaman bagi siswa, namun kasus kekerasan di sekolah masih sering terjadi. Pengembangan sistem deteksi tindak kekerasan pada anak di sekolah menggunakan algoritma YOLO V8 yang terintegrasi dengan CCTV dan notifikasi berbasis web melalui Telegram. Sistem ini dirancang untuk mendeteksi kekerasan fisik seperti memukul, meninju, dan menendang melalui analisis video. Dataset yang digunakan terdiri dari 9.312 gambar tindak kekerasan dan 2.030 gambar non-kekerasan, yang diolah menggunakan platform Roboflow dan dilatih dengan Google Colab. Hasil evaluasi model menunjukkan nilai mAP@50 sebesar 88,3%, precision 79,1%, recall 88,8%, dan F1-score 86%, mengindikasikan kemampuan deteksi yang baik. Pengujian fungsional sistem juga dilakukan dengan video uji, menunjukkan akurasi deteksi yang tinggi meskipun masih terdapat false positive pada aktivitas bermain yang intens. Sistem ini dapat menjadi solusi teknologi untuk meningkatkan keamanan lingkungan sekolah melalui deteksi otomatis dan notifikasi cepat.

Informasi Item

Item Type Thesis (S1)
Uncontrolled Keywords Deteksi kekerasan, YOLO V8, CCTV, deep learning, keamanan sekolah
Subjects T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions Faculty of Engineering > Department of Informatic Engineering
Date Deposited 04 Nov 2025 03:35
Last Modified 04 Nov 2025 03:35
URI https://eprints.umpo.ac.id/id/eprint/17155

Actions (login required)

View Item
View Item
Ada yang bisa kami bantu?