YUNLY NELDI SARI PAKH Pengarang SILVESTER TENA Dosen Pembimbing 1 HENDRO F J LAMI Dosen Pembimbing 2 Silvester Tena Ketua Penguji Wenefrida T Ina Penguji 2 Hendro F J Lami Penguji 1

Deteksi objek merupakan teknologi dalam bidang computer vision yang digunakan untuk mengenali dan menentukan keberadaan objek dalam gambar atau video secara otomatis. Variasi pencahayaan dan pergerakan objek menjadi permasalahan yang dapat mempengaruhi kinerja sistem deteksi. Penelitian ini bertujuan untuk mengevaluasi kinerja arsitektur YOLOv5 dalam mendeteksi dan menghitung jumlah orang pada video dengan kondisi pencahayaan dan pergerakan yang bervariasi. Dataset yang digunakan terdiri dari 18 video yang bersumber dari UCF101 dengan total 10.932 frame, dibagi menjadi 8.745 frame (80%) untuk pelatihan dan 2.187 frame (20%) untuk validasi. Pelatihan dilakukan selama 50 epoch menggunakan YOLOv5 berukuran 640 × 640 piksel. Setiap video diproses melalui tahap ekstraksi frame dan pra-pemrosesan sebelum dilakukan deteksi menggunakan model YOLOv5. Pengujian dilakukan pada 7 video hasil perekaman sendiri dengan variasi kondisi pencahayaan dan pergerakan objek, menggunakan tiga nilai confidence threshold yaitu 0,3, 0,4, dan 0,5. Hasil pengujian menunjukkan ketiga nilai threshold menghasilkan precision 100%, artinya semua objek yang terdeteksi adalah manusia. Pada threshold 0,3 diperoleh recall 54% dan f1-score 66%, pada threshold 0,4 diperoleh recall 50% dan f1-score 62%, dan pada threshold 0,5 diperoleh recall 45% dan f1-score 57%. Hasil ini menunjukkan bahwa threshold 0,3 memberikan kinerja terbaik. Disimpulkan bahwa YOLOv5 cukup efektif mendeteksi jumlah orang pada video, namun kinerjanya masih dipengaruhi kondisi lingkungan sehingga perlu dikembangkan lebih lanjut. Kata kunci: YOLOv5, deteksi objek, jumlah orang, computer vision, video *Pembimbing I **Pembimbing II