Implementasi framework YOLOv7untuk mendeteksi penyusup dengan citra digital

Kejahatan pencurian adalah kejahatan yang paling banyak dialami pada tahun 2021. Pencurian paling marah dilakukan oleh penyusup yang memasuki rumah pada saat rumah sedang kosong. Meskipun saat ini CCTV sering digunakan sebagai jalan keluar, namun CCTV masih rawan disusupi jika tidak ada yang mengawasi CCTV selama 24 jam. Maka implementasi machine learning pada kamera dalam rumah dapat menggantikan penggunaan CCTV analog agar dapat mendeteksi adanya penyusup di dalam rumah pada saat rumah sedang kosong. Penelitian kali ini menggunakan Convolutional Neural Network dalam framework YOLOv7 untuk melakukan deteksi penyusup dan menghitung jumlah penyusup yang tertangkap di dalam kamera. Dataset yang digunakan untuk melatih model pada penelitian kali ini diperoleh dari situs Roboflow yang diunggah oleh alive. Salah satu model yang dihasilkan dari penelitian kali ini memiliki nilai mAP@0.5 sekitar 74.3%. Penelitian ini menghasilkan sistem berupa Bot Telegram sebagai media untuk menyalakan dan mematikan sistem keamanan rumah serta pemberi notifikasi jika terdeteksi adanya penyusup dan sistem keamanan rumah yang mengirimkan bukti video terdeteksinya penyusup berdurasi 10 detik kepada e-mail pengguna