Dalam penelitian ini, diusulkan sebuah metode untuk mendeteksi detak jantung menggunakan kamera thermal berbasis pengolahan citra digital dan bekerja secara nirkontak atau tidak ada kontak langsung dengan objek yang dideteksi detak jantungnya. Dataset yang digunakan adalah foto thermal manusia sebagai objek yang telah diambil menggunakan handphone Caterpillar S61.
YOLOv5 menggunakan arsitektur Convolutional Neural Network (CNN) yang dalam untuk melakukan deteksi objek. Arsitektur ini terdiri dari beberapa lapisan konvolusi yang membantu model untuk mengekstraksi fitur-fitur penting dari citra. Arsitektur YOLOv5 ini dibangun berdasarkan model YOLOv3 dengan beberapa penyempurnaan, seperti menggunakan konvolusi berukuran 1x1 untuk mengurangi beban komputasi. Dalam konteks YOLOv5, confusion matrix dapat digunakan untuk menganalisis seberapa baik model mendeteksi dan mengklasifikasikan objek dalam sebuah citra. Dari hasil pengujian menunjukkan bahwa metode yang diusulkan dapat dapat mendeteksi detak jantung manusia melalui beberapa tahapan metode yang telah dilakukan. Hasil akhir yang didapatkan melalui pengujian pada datatest menunjukan nilai F-1 score sebesar 0,89 atau 89%.
Kata kunci— Thermal, Detak Jantung, YOLOv5