Abstract:
Pengawasan keamanan merupakan aspek penting dalam mencegah dan merespons tindakan kriminal secara cepat. Sistem konvensional seperti CCTV umumnya hanya merekam tanpa kemampuan analisis otomatis terhadap potensi ancaman. Penelitian ini bertujuan untuk mengembangkan sistem deteksi objek berbahaya secara real-time dengan menerapkan metode YOLOv8 (You Only Look Once). Model deteksi dilatih untuk mengenali tiga kelas objek, yaitu manusia, senjata tajam (knife), dan senjata api (gun), menggunakan dataset yang telah diproses melalui platform Roboflow. Sistem ini diimplementasikan menggunakan bahasa Python dan framework Flask sebagai backend web, serta terintegrasi dengan kamera CCTV sebagai sumber input video. Hasil pengujian menunjukkan bahwa model YOLOv8 mampu mendeteksi objek secara akurat dan cepat, dengan nilai precision tertinggi sebesar 0.91 untuk kelas “Human” dan rata-rata F1-score sebesar 0.87. Sistem juga dilengkapi dengan fitur alarm suara dan notifikasi email secara otomatis ketika objek berbahaya terdeteksi, sehingga mendukung pengawasan keamanan yang lebih responsif dan efisien.
