Implementasi YOLOv10 untuk Deteksi Pelanggaran Sabuk Pengaman Pengemudi Mobil
DOI:
https://doi.org/10.33998/jakakom.2026.6.1.2856Keywords:
YOLOv10, Deteksi objek, deep learning, pelanggaran lalu lintasAbstract
Pelanggaran penggunaan sabuk pengaman pada pengemudi mobil masih sering terjadi dan meningkatkan risiko fatalitas kecelakaan. Pengawasan manual memiliki keterbatasan jangkauan, konsistensi, dan efisiensi, sehingga diperlukan sistem otomatis berbasis computer vision. Penelitian ini bertujuan mengimplementasikan model YOLOv10 untuk mendeteksi pelanggaran penggunaan sabuk pengaman pada pengemudi mobil. Dataset yang digunakan adalah Seatbelt Detection dari Roboflow sebanyak 5.291 citra yang dibagi menjadi data latih, validasi, dan uji. Model YOLOv10n dilatih menggunakan Python pada Google Colaboratory selama 50 epoch dengan resolusi 640 x 640 piksel dan batch size 32. Evaluasi dilakukan menggunakan precision, recall, F1-score, [email protected], dan [email protected]:0.95, serta dianalisis melalui confusion matrix dan visual hasil prediksi. Hasil penelitian menunjukkan bahwa model mencapai precision 0,916, recall 0,902, [email protected] 94,5%, dan [email protected]:0.95 64,9%. Kelas person-seatbelt memperoleh [email protected] 98,1%, sedangkan person-noseatbelt mencapai 95,6%. Temuan ini menunjukkan bahwa YOLOv10n layak digunakan sebagai dasar pengembangan sistem pengawasan kepatuhan sabuk pengaman yang efisien dan berpotensi diterapkan pada pemantauan lalu lintas otomatis.
Kata Kunci: YOLOv10, deteksi objek, sabuk pengaman, pelanggaran lalu lintas, computer vision, deep learning
Downloads
References
E. E. S. Putra, S. Y. Ratih, and L. Primantari, "Analisis Daerah Rawan Kecelakaan Lalu Lintas Jalan Raya Ngerong Cemorosewu," J. Kacapuri J. Keilmuan Tek. Sipil, vol. 4, no. 2, p. 255, 2022, doi: 10.31602/jk.v4i2.6432.
Kepolisian Republik Indonesia, "Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis (Unit), 2022," Badan Pusat Statistik. [Online]. Available: https://www.bps.go.id/id/statistics-table/2/NTcjMg==/perkembangan-jumlah-kendaraan-bermotor-menurut-jenis--unit-.html
Pusiknas Bareskrim Polri, "Bukan hanya Satu, Pelanggar Lalu Lintas Dijerat Banyak Pasal," Pusiknas Bareskrim Polri. [Online]. Available: https://pusiknas.polri.go.id/detail_artikel/bukan_hanya_satu,_pelanggar_lalu_lintas_dijerat_banyak_pasal
National Highway Traffic Safety Administration, "Seat Belts," National Highway Traffic Safety Administration. [Online]. Available: https://www.nhtsa.gov/vehicle-safety/seat-belts
F. Marpaung, F. Aulia, and R. C. Nabila, Computer Vision dan Pengolahan Citra Digital. 2022.
A. Raup, W. Ridwan, Y. Khoeriyah, S. Supiana, and Q. Y. Zaqiah, "Deep Learning dan Penerapannya dalam Pembelajaran," JIIP - J. Ilm. Ilmu Pendidik., vol. 5, no. 9, pp. 3258-3267, 2022, doi: 10.54371/jiip.v5i9.805.
Q. Aini, N. Lutfiani, H. Kusumah, and M. S. Zahran, "Deteksi dan Pengenalan Objek Dengan Model Machine Learning: Model Yolo," CESS (Journal Comput. Eng. Syst. Sci., vol. 6, no. 2, p. 192, 2021, doi: 10.24114/cess.v6i2.25840.
F. Indaryanto, A. Nugroho, and A. F. Suni, "Edu Komputika Journal," Edu Komputika, vol. 8, no. 1, pp. 112-120, 2021.
C. Evita, R. Alfita, H. Haryanto, R. V. Nahari, M. Ulum, and M. Pramudia, "Rancang Bangun Timbangan Buah Digital Menggunakan Metode YOLO," J. FORTECH, vol. 3, no. 1, pp. 34-42, 2022, doi: 10.56795/fortech.v3i1.105.
Y. Li and W. Y. Leong, "YOLOv10 Algorithm for Real-Time Pedestrian Detection in Autonomous Vehicles," ASM Sci. J., vol. 20, no. 1, 2025, doi: 10.32802/asmscj.2025.1977.
S. Yuliany, Aradea, and A. N. Rachman, "Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN)," J. Buana Inform., vol. 13, no. 1, pp. 54-65, 2022, doi: 10.24002/jbi.v13i1.5022.
K. Maulina Halimi et al., "Pendeteksi Penggunaan Sabuk Pengaman Real Time Untuk Pengemudi Menggunakan Metode YOLOV5," J. Artif. Intel. dan Sist. Penunjang Keputusan, vol. 2, no. 2, pp. 161-165, 2024.
M. Ikbal and R. A. Saputra, "Pengenalan Rambu Lalu Lintas Menggunakan Metode Yolov8," JIKA (Jurnal Inform.), vol. 8, no. 2, p. 204, 2024, doi: 10.31000/jika.v8i2.10609.
I. A. Dewi and N. Z. Z. Nasrulloh, "Residual Network Layer Comparison for Seat Belt Detection," J. Komput. dan Inform., vol. 11, no. 2, pp. 145-156, 2023, doi: 10.35508/jicon.v11i2.9903.
M. A. Meidyan and W. Yustanti, "Implementasi Metode You Only Look Once (YOLOv5) dalam Deteksi Pelanggaran Helm," vol. 05, no. 03, pp. 214-222, 2024.
K. Khoiriyah and M. F. A. A. Armawan, "Deteksi Pengendara Motor Tanpa Menggunakan Helm Dengan Algoritma Deep Learning Yolo," JEIS J. Elektro dan Inform. Swadharma, vol. 3, no. 2, pp. 72-82, 2023, doi: 10.56486/jeis.vol3no2.360.
"Seatbelt Detection - v1 2025-10-12 7:04pm," Roboflow Universe. [Online]. Available: https://universe.roboflow.com/adit-6cphq/seatbelt-detection-esut6-vol6k/dataset/1
