Implementasi YOLOv8 untuk deteksi manusia pada rekaman CCTV sebagai upaya pengurangan false alarm (Studi Kasus: Rumah Burung Walet)

Abstract

Keamanan rumah burung walet menjadi aspek penting karena bangunan tersebut memiliki nilai ekonomi yang tinggi dan umumnya berada pada lokasi yang tidak berpenghuni. Sistem pengawasan berbasis CCTV yang hanya mengandalkan deteksi gerakan berpotensi menghasilkan alarm yang tidak relevan akibat pergerakan objek selain manusia. Penelitian ini bertujuan menerapkan metode YOLOv8 untuk mendeteksi manusia pada rekaman CCTV rumah burung walet serta mengevaluasi performa model yang dihasilkan. Penelitian dilakukan menggunakan rekaman CCTV malam hari dari rumah burung walet di Kabupaten Indragiri Hilir, Riau. Dataset diperoleh melalui proses ekstraksi frame dan anotasi objek manusia menggunakan Roboflow. Model YOLOv8s dilatih dan dievaluasi menggunakan metrik precision, recall, F1-score, dan mean average precision. Hasil pengujian pada CCTV 1 menunjukkan nilai precision sebesar 96,4%, recall sebesar 97,7%, F1-score sebesar 97%, dan mean average precision sebesar 99,1%. Pada CCTV 2 diperoleh nilai precision sebesar 95,6%, recall sebesar 92,3%, F1- score sebesar 94%, dan mean average precision sebesar 96,9%. Hasil penelitian menunjukkan bahwa YOLOv8 mampu mendeteksi manusia dengan tingkat ketepatan yang baik pada rekaman CCTV rumah burung walet serta berpotensi membantu mengurangi alarm yang tidak relevan pada sistem pengawasan.