IMPLEMENTASI ALGORITMA FASTER R-CNN DALAM DETEKSI AKTIVITAS MEROKOK DI LINGKUNGAN KAMPUS

Abstrak

Penerapan pengaturan kawasan tanpa rokok di lingkungan kampus menghadapi tantangan dalam hal pengawasan dan penegakan. Penelitian ini bertujuan untuk mengetahui performa algoritma deteksi objek berbasis deep learning, yaitu Faster R-CNN, dalam mendeteksi aktivitas merokok di area kampus Universitas Islam Sultan Agung (UNISSULA). Dataset yang digunakan terdiri dari 1935 gambar beranotasi aktivitas merokok yang diperoleh dari Roboflow, dengan pembagian data 85% pelatihan dan 15% validasi. Model dilatih menggunakan Google Colab dan diuji berdasarkan metrik evaluasi seperti accuracy, precision, recall, dan f1-score. Hasil mengetahui bahwa Faster R-CNN mempunyai performa yang lebih unggul dengan nilai evaluasi terbaik mencapai 100% pada threshold 0.5. Temuan ini menyimpulkan bahwa Faster R-CNN cocok untuk digunakan dalam sistem pendeteksian aktivitas merokok di lingkungan kampus, terutama dalam konteks akurasi dan konsistensi deteksi.

Identifier

• DOI: https://doi.org/10.70248/jrsit.v3i1.2647
• OpenAlex: https://openalex.org/W4413330511