Kursus Python YOLO: Implementasi YOLO untuk Deteksi Anomali

Berikut adalah silabus 10 sesi (masing-masing 1,5 jam) untuk topik: “Implementasi YOLOv7 untuk Deteksi Anomali Posisi Duduk Mahasiswa di Ruang Kelas”. Silabus ini mencakup teori dasar computer vision, implementasi YOLOv7, hingga deteksi anomali perilaku duduk mahasiswa menggunakan data video kelas.

Silabus 10x Sesi – YOLOv7: Deteksi Anomali Posisi Duduk Mahasiswa

Sesi 1: Pengantar Computer Vision dan Deteksi Objek

• Pengertian Computer Vision dan aplikasinya

• Konsep deteksi objek vs segmentasi

• Evolusi algoritma YOLO (v1 hingga v7)

• Studi kasus: monitoring perilaku di ruang kelas

Sesi 2: Instalasi dan Konfigurasi Lingkungan YOLOv7

• Persiapan perangkat (Google Colab / lokal + GPU)

• Clone repositori YOLOv7 dan dependensi

• Tes deteksi objek bawaan YOLOv7 dengan dataset COCO

Sesi 3: Dataset dan Labeling Anotasi Posisi Duduk

• Definisi posisi duduk normal vs anomali (miring, rebahan, mengganggu)

• Pengambilan data video kelas (kamera CCTV / webcam)

• Proses labeling manual dengan LabelImg / Roboflow

• Format anotasi YOLO (txt format per gambar)

Sesi 4: Training YOLOv7 dengan Dataset Kelas

• Persiapan folder dataset: images dan labels

• Konfigurasi file .yaml , cfg , dan hyperparameters

• Proses training dan checkpoint model

• Analisis performa: mAP, precision, recall

Sesi 5: Evaluasi Model Deteksi Posisi Duduk

• Visualisasi bounding box hasil training

• Evaluasi terhadap kasus anomali (duduk miring, selonjor, dll)

• Overfitting dan solusi augmentasi data

Sesi 6: Deteksi Realtime Menggunakan Kamera

• Integrasi YOLOv7 dengan webcam / video input