Penggunaan atribut penutup kepala seperti helm dan topi oleh pengunjung mesin ATM sering dimanfaatkan oleh pelaku tindak kejahatan untuk menyamarkan identitas mereka, sehingga menyulitkan pengawasan melalui kamera CCTV konvensional. Pengawasan manual memiliki keterbatasan, seperti keterlambatan deteksi dan kualitas video yang kurang optimal. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan sistem deteksi otomatis helm dan topi berbasis deep learning dengan metode You Only Look Once versi 5 (YOLOV5). . Dataset yang digunakan terdiri dari 2.000 gambar yang dibagi menjadi dua kelas objek, yaitu helm dan topi, dan telah melalui proses augmentasi manual serta otomatis menggunakan Roboflow. Data dilabeli dan dibagi ke dalam data latih (75%), validasi (15%), dan uji (10%), dengan ukuran gambar disesuaikan menjadi 480×480 piksel. Proses pelatihan dilakukan selama 150 epoch dengan varian YOLOV5n, menghasilkan model terbaik. Evaluasi dilakukan menggunakan Confusion Matrix untuk pengujian rea-time dan skrip val.py untuk pengujian data statis, yang menghasilkan nilai mAP50 sebesar 0.994 dan mAP50–95 sebesar 0.803, menunjukkan akurasi deteksi yang tinggi pada ambang IoU 0.50 dan berbagai ambang IoU lainnya. Selain itu, Recall mencapai 1.000, menunjukkan bahwa model mampu mendeteksi seluruh objek pada data uji tanpa ada yang terlewat. Pada pengujian Real-Time menggunakan kamera RTSP yang terintegrasi dengan aplikasi web berbasis Flask, sistem menghasilkan akurasi 82,1% untuk kedua kelas, dengan Precision helm 98,0%, Precision topi 95,0%, Recall helm 72,6%, dan Recall topi 97,0%. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis yang dapat meningkatkan pengawasan dan pencegahan tindak kriminal di sekitar mesin ATM, dengan hasil yang menunjukkan bahwa model YOLOV5 dapat mendeteksi helm dan topi dengan akurasi yang sangat baik, baik dalam pengujian statis maupun Real-Time.
Kata Kunci: akurasi, ATM, deep learning, helm, Precision, recall, topi, YOLOV5