DETEKSI PENGENDARA MOTOR TANPA HELM MENGGUNAKAN YOLOv8 DENGAN NOTIFIKASI REAL-TIME MELALUI TELEGRAM

Abstract

Pelanggaran penggunaan helm menjadi salah satu penyebab utama kecelakaan lalu lintas yang melibatkan pengendara sepeda motor di Indonesia. Penelitian ini mengembangkan sistem deteksi otomatis pelanggaran helm berbasis algoritma YOLOv8 yang terintegrasi dengan Telegram sebagai media notifikasi real-time. Model dilatih menggunakan 6.152 citra dengan empat kelas objek (helm, tanpa helm, motor, dan plat nomor) selama 300 epoch dengan input 640×640 piksel dan GPU RTX 3060. Hasil pelatihan menunjukkan precision 85,7%, recall 82,7%, dan mAP@50 sebesar 84,9%. Sistem diimplementasikan pada lingkungan nyata dengan kamera yang dipasang setinggi 2,5 meter dan sudut 45° di gerbang Universitas Lampung. Pengujian real-time menunjukkan sistem mampu mendeteksi pelanggaran dan mengirim bukti gambar ke Telegram secara instan. Precision lapangan mencapai 100%, nilai recall berkisar antara 36% hingga 85%, dipengaruhi oleh sudut pandang dan kualitas visual objek. Hasil ini menunjukkan bahwa integrasi YOLOv8 dan Telegram Bot API memberikan solusi yang efektif dan praktis untuk pemantauan lalu lintas berbasis visi komputer, dengan potensi penerapan nyata dalam mendukung penegakan aturan keselamatan berkendara.