SISTEM DETEKSI SENJATA TAJAM UNTUK KEAMANAN MINIMARKET BERBASIS CCTV MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

FABIANDIKA, FERRY EZRA (2026) SISTEM DETEKSI SENJATA TAJAM UNTUK KEAMANAN MINIMARKET BERBASIS CCTV MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Institut Teknologi Nasional Malang.

Text 2218047_Tugas Akhir.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (9MB) | Request a copy

Abstract

Pesatnya pertumbuhan minimarket di Indonesia yang beroperasi 24 jam dengan jumlah karyawan terbatas menjadikannya rentan terhadap ancaman kejahatan bersenjata. Sistem CCTV konvensional yang selama ini digunakan hanya bersifat pasif sebagai alat perekam, sehingga tidak mampu memberikan peringatan dini secara otomatis saat ancaman terjadi. Penelitian ini bertujuan membangun sistem deteksi senjata tajam berbasis video CCTV yang mampu bekerja secara real-time menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur YOLO. Dataset berupa citra senjata tajam dengan tiga kelas objek, yaitu pisau, golok, dan sabit, diperoleh dari platform Roboflow Universe dan dibagi dalam beberapa skenario rasio pelatihan serta variasi epoch. Berdasarkan hasil pengujian, performa terbaik diperoleh pada rasio pembagian data 90:10 dengan epoch 100, menghasilkan nilai mAP@0.5 sebesar 96,02%, precision 98,23%, recall 93,51%, F1-score 95,81%, dan loss 3,49%. Selain itu, hasil pengujian intensitas cahaya menggunakan lux meter menunjukkan bahwa sistem tidak mampu mendeteksi senjata tajam pada intensitas 10 lux, sedangkan pada intensitas 80–400 lux sistem mampu mendeteksi senjata tajam dengan baik, Hasil tersebut membuktikan bahwa sistem ini mampu mendeteksi senjata tajam dengan akurat dan memberikan respons peringatan secara cepat guna meningkatkan efektivitas keamanan minimarket.

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Additional Information:	FERRY EZRA FABIANDIKA (2218047)
Uncontrolled Keywords:	Deteksi Senjata Tajam, Convolutional Neural Network, Arsitektur YOLO, CCTV, Minimarket Rumah Susu Sebani
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Ferry Ezra Fabiandika
Date Deposited:	11 Aug 2026 04:41
Last Modified:	11 Aug 2026 04:41
URI:	http://eprints.itn.ac.id/id/eprint/16369

Actions (login required)

View Item