TA DIGITAL
Rancang Bangun Sistem Informasi Pelaporan Pelanggaran Merokok dengan Pendekatan Computer Vision = Design and Development of a Smoking Violation Reporting Information System Using a Computer Vision Approach
Pelanggaran merokok di lingkungan kampus masih dapat terjadi meskipun telah tersedia papan larangan merokok dan dilakukan pengawasan secara manual. Kondisi tersebut menunjukkan perlunya sistem pengawasan yang mampu mendeteksi objek rokok sebagai indikasi dugaan pelanggaran merokok serta mendokumentasikan hasil deteksi secara otomatis. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi pelaporan pelanggaran merokok berbasis computer vision serta membandingkan performa beberapa model deteksi objek untuk menentukan model yang paling sesuai. Metode yang digunakan adalah Research and Development (R&D) yang diadaptasi dari Sugiyono (2019), meliputi analisis kebutuhan, pengumpulan data, perancangan sistem, pengembangan, pengujian dan evaluasi, implementasi sistem, serta penyusunan laporan. Model YOLOv11 Nano, YOLO26 Nano, dan RF-DETR Small dilatih menggunakan dataset dengan satu kelas objek, yaitu rokok, kemudian dibandingkan berdasarkan metrik Precision, Recall, dan Mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa YOLO26 Nano dipilih sebagai model yang diimplementasikan dengan nilai Precision 63,1%, Recall 58,8%, mAP@50 57,0%, dan mAP@50–95 25,5%, karena memberikan keseimbangan antara performa deteksi dan efisiensi komputasi. Sistem diimplementasikan menggunakan arsitektur hybrid cloud, dengan layanan cloud untuk frontend, backend, basis data, dan penyimpanan media, sedangkan proses deteksi objek secara real-time dijalankan pada komputer lokal yang terhubung melalui Cloudflare Quick Tunnel. Pengujian kepuasan pengguna memperoleh persentase sebesar 93,6% yang termasuk kategori "Sangat Puas", sehingga menunjukkan bahwa sistem telah memenuhi kebutuhan pengguna dari aspek kemudahan penggunaan, fungsionalitas, performa, dan manfaat sistem.
Tidak tersedia versi lain