PEMODELAN MACHINE LEARNING UNTUK DETEKSI KEKERASAN FISIK BERBASIS CONVOLUTIONAL NEURAL NETWORK (CNN) / Muhamad Yasmin Nul Hakim / 15210024 / Pembimbing: Hidola Syamsito / Program Studi: Teknik Informatika

Kekerasan fisik di lingkungan masyarakat merupakan permasalahan serius yang memerlukan upaya pengawasan serta penanganan yang cepat dan akurat. Selama ini, pengawasan konvensional melalui observasi manual dinilai kurang efektif karena keterbatasan manusia dalam memantau seluruh area secara berkelanjutan. Penelitian ini bertujuan mengembangkan sistem deteksi kekerasan fisik berbasis Convolutional Neural Network (CNN) yang dikombinasikan dengan Long Short-Term Memory (LSTM) untuk mengenali adanya tindakan kekerasan fisik di masyarakat. Model menggunakan arsitektur ResNet101 sebagai ekstraktor fitur spasial, sedangkan LSTM digunakan untuk menangkap pola temporal dari jendela berukuran 16 frame. Hasil pengujian menunjukkan bahwa model yang dikembangkan memperoleh akurasi 87%, presisi 89.4%, recall 84%, dan F1-score 86.6%, berdasarkan hasil perhitungan confusion matrix dengan TP=42, TN=45, FP=5, dan FN=8. Sistem prototipe dilengkapi dengan modul dokumentasi otomatis berupa penyimpanan frame beserta timestamp, yang berfungsi sebagai bukti pendukung. Penelitian ini berkontribusi pada pengembangan teknologi computer vision dalam bidang keamanan dengan memberikan pendekatan berbasis analisis spasial-temporal yang efektif. Diharapkan sistem ini dapat membantu masyarakat maupun instansi terkait dalam meningkatkan pengawasan serta mendukung proses verifikasi tindak kekerasan di berbagai lingkungan.