Deteksi Perokok Menggunakan Algoritma You Only Look Once (YOLO) dan Convolutional Neural Network (CNN)

Teknologi pengolahan citra terus berkembang dan dimanfaatkan untuk identifikasi aktivitas manusia secara visual, termasuk pemantauan aktivitas merokok di kawasan tanpa rokok. Penelitian ini mengembangkan deteksi dan pengenalan aktivitas merokok dengan menggabungkan YOLO (You Only Look Once) untuk pendeteksian objek dan CNN (Convolutional Neural Network) sebagai pengklasifikasi citra. YOLO melakukan deteksi dan cropping objek manusia, sedangkan CNN mengklasifikasikan aktivitas merokok dan tidak merokok berdasarkan ciri visual. Dataset berjumlah 3.254 yang telah diproses menghasilkan masing-masing 560 citra valid untuk kelas smoking dan not smoking. Hasil pelatihan menunjukkan akurasi 96,09% pada data latih dan 94,44% pada data validasi, dengan loss yang stabil, serta evaluasi model menghasilkan accuracy 94,44%, precision 92,55%, recall 96,67%, F1-score 94,57%, dan Average Precision (AP) 98,72%, menunjukkan performa klasifikasi yang sangat baik. Model juga mampu mendeteksi aktivitas merokok secara responsif pada citra dan kamera real-time, membuktikan efektivitas kombinasi YOLO dan CNN dalam membangun deteksi otomatis dan berpotensi diterapkan di kawasan tanpa rokok.