Implementasi Yolov8 Pada Sistem Pendeteksi Aksi Kejahatan Di Kos Gashando: Penggunaan Raspberry Pi 4 dan Yolov8 Untuk Deteksi Aksi Kejahatan Di Kos Gashando

Keamanan lingkungan menjadi aspek penting dalam mencegah tindak kejahatan, terutama di kawasan hunian seperti rumah kos. Penelitian ini mengembangkan sistem deteksi aksi kejahatan berbasis visi komputer menggunakan algoritma You Only Look Once versi 8 (YOLOv8) yang diimplementasikan pada perangkat Raspberry Pi 4. Sistem dirancang untuk mendeteksi aktivitas mencurigakan berupa aksi memanjat pagar secara otomatis, disertai pengiriman notifikasi melalui Telegram dan alarm suara sebagai bentuk peringatan dini. Dataset yang digunakan berjumlah 2.034 gambar hasil augmentasi, yang dilatih menggunakan Google Colaboratory. Pengujian dilakukan dengan dua ukuran gambar (image size), yaitu 320 piksel dan 640 piksel, dua resolusi kamera (480p dan 1080p), serta kondisi intensitas cahaya yang berbeda. Hasil pengujian menunjukkan bahwa penggunaan image size 640 piksel menghasilkan tingkat keberhasilan deteksi sebesar 100% dengan rata-rata FPS 0.93, sedangkan image size 320 piksel memiliki tingkat keberhasilan sebesar 85,71% dengan rata-rata FPS 2.21. FPS yang tinggi pada ukuran 320 piksel menunjukkan waktu respons yang lebih cepat, tetapi akurasinya menurun pada kondisi cahaya redup sedangkan image size 640 piksel memberikan akurasi deteksi yang lebih baik meskipun kecepatan pemrosesannya lebih lama. Dengan demikian, sistem ini menunjukkan potensi sebagai solusi monitoring keamanan berbasis IoT yang praktis, dengan konfigurasi input yang dapat disesuaikan untuk menyeimbangkan antara kecepatan deteksi dan akurasi.