View/Open

Author
EGGI, SATRIA

Date Published
18 Jun 2026

Advisor
Luluk Muthoharoh, S.Si., M.Si.,
Ardika Satria, S.Si., M.Si.,

Subject
Sains Data

Publisher

Mobilitas kendaraan roda dua yang meningkat di lingkungan perguruan tinggi menambah risiko keselamatan, terutama ketika pengendara tidak memakai helm. Pengawasan manual yang berjalan saat ini belum menghasilkan data pelanggaran yang terukur, sehingga pola waktu dan lokasi kejadian sulit dievaluasi secara konsisten. Penelitian ini merancang dan mengevaluasi sistem pengawasan otomatis berbasis aliran video waktu nyata (real-time video streaming) secara ujung ke ujung (end-to-end). Sistem ini menggunakan YOLOv8 untuk deteksi objek, ByteTrack untuk pelacakan multiobjek, filter Intersection over Area (IoA), dan konfirmasi temporal N-Frame untuk mengurangi deteksi palsu. Hasil deteksi yang lolos validasi dikirim sebagai aliran peristiwa melalui Apache Kafka dan Apache Spark Structured Streaming, kemudian disimpan ke data mart PostgreSQL dan divisualisasikan melalui dashboard Grafana. Hasil evaluasi menunjukkan bahwa model deteksi mencapai Mean Average Precision (mAP@50) sebesar 91,4%. Pada sisi pemrosesan lokal, sistem berjalan pada throughput rata-rata 18,9 FPS dengan latensi inferensi 53 milidetik. Lapisan distribusi pesan mencatat tingkat keberhasilan pengiriman 100 persen dengan median latensi 2,65 milidetik. Pengujian operasional pada data lapangan selama 10 jam, pukul 07.00–17.00 WIB, menghasilkan pola kepadatan pelanggaran bimodal dengan puncak tertinggi pada pukul 14.45–15.15 WIB. Pola tersebut berkaitan dengan kondisi pascahujan dan pergantian jadwal kelas. Dengan hasil tersebut, sistem yang dibangun dapat mendukung UPT K3L dalam memantau pelanggaran helm dan menyusun prioritas patroli keselamatan berbasis data.

URI
https://repo.itera.ac.id/depan/submission/SB2606160076

Keyword
ByteTrack Data Mart Pelanggaran Helm YOLOv8