IMPLEMENTASI YOLO (You Only Look Once) SEBAGAI PENDETEKSI ROKOK PADA ROBOT SELF SERVICE

Megaarta, Muhammad Andaru (2025) IMPLEMENTASI YOLO (You Only Look Once) SEBAGAI PENDETEKSI ROKOK PADA ROBOT SELF SERVICE. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (COVER) COVER.pdf - Published Version Download (637kB) | Preview
Preview	Text (Abstrak) ABSTRAK.pdf - Published Version Download (202kB) | Preview
	Text (BAB I) BAB I PENDAHULUAN.pdf - Published Version Restricted to Repository staff only Download (291kB)
	Text (BAB II) BAB II TINJAUAN PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (818kB)
	Text (BAB III) BAB III METODOLOGI PENELITIAN.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB IV) BAB IV HASIL DAN PEMBAHASAN.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB V) BAB V KESIMPULAN DAN SARAN.pdf Restricted to Repository staff only Download (195kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (189kB)
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Perilakumerokokdiareabebasasaprokok,khususnyadilingkungankampus, masih menjadi tantangan serius yang sulit diawasi secara manual. Untuk mengatasi hal ini, Laporan Akhir ini mengembangkan sistem pendeteksi perokok otomatis berbasis algoritma You Only Look Once (YOLOv5) yang diintegrasikan dengan robot s elf service . Sistem ini mampu mendeteksi objek rokok dan perilaku merokok secara real -t ime melalui kamera, lalu memproses citra menggunakan Raspberry Pi sebagai unit pemrosesan utama. Setelah objek t erdeteksi, robot secara otomatis bergerak menuju posisi perokok menggunakan algoritma A* dan memberikan peringatan suara melalui speaker internal HMI. Dataset yang digunakan terdiri dari 2.337 gambar yang dilabeli ke dalam tiga kelas: wajah, rokok, dan ora ng merokok. Pelatihan model dilakukan dengan parameter optimal, menghasilkan performa deteksi dengan mAP yang tinggi. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi perokok dalam rentang jarak 50 –300 cm dengan akurasi dan waktu respon yang memad ai, serta dapat bergerak secara adaptif menuju pelanggar berdasarkan grid 3×3. Penelitian ini membuktikan bahwa integrasi YOLOv5 dan A* dalam robot self service dapat menjadi solusi efektif untuk meningkatkan kepatuhan terhadap kawasan tanpa rokok secara otonom, responsif, dan interaktif.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	YOLOv5, Deteksi Rokok, Robot Self Service, A* Algorithm, Computer Vision, Raspberry Pi
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	15 Aug 2025 04:05
Last Modified:	15 Aug 2025 04:05
URI:	http://eprints.polsri.ac.id/id/eprint/18546

Actions (login required)

View Item