TA : Sistem Deteksi Kapasitas Orang di dalam Ruangan Menggunakan Metode Faster R-CNN

Laili, Sellina Nuril (2022) TA : Sistem Deteksi Kapasitas Orang di dalam Ruangan Menggunakan Metode Faster R-CNN. Undergraduate thesis, Universitas Dinamika.

[img]
Preview
Text
18410200057-2022-UNIVERSITASDINAMIKA.pdf - Accepted Version

Download (1MB) | Preview
[img] Text
184102000057-2022-LAMPIRAN.pdf - Accepted Version
Restricted to Repository staff only

Download (853kB)

Abstract

Upaya pencegahan penularan virus Covid-19 dilakukan terus menerus oleh pemerintah, salah satunya adalah memberlakukan program PSBB (Pembatasan Sosial Berskala Besar). Program ini bertujuan untuk membatasi kegiatan sosial masyarakat seperti meliburkan tempat kerja. Oleh sebab itu dibuat Keputusan Menteri Kesehatan Republik Indonesia Nomor HK.01.07/MENKES/328/202. Dalam keputusan ini terdapat panduan pencegahan dan pengendalian Covid-19 di tempat kerja perkantoran dan industri dalam mendukung keberlangsungan usaha pada situasi pandemi, salah satunya adalah menerapkan pembatasan jumlah orang dalam suatu ruangan dengan menerapkan sistem shift WFH (Work From Home) dan WFO (Work From Office). Dari permasalahan ini, penulis memberikan solusi untuk membantu meminimalisir penyebaran Covid-19 melalui layanan dan penerapan di bidang teknologi. Pada Tugas Akhir ini, penulis membuat sistem untuk menghitung jumlah orang masuk, keluar, dan jumlah orang yang berada di dalam ruangan secara otomatis. Sistem diproses dengan pengolahan citra digital menggunakan metode Faster R-CNN dengan bahasa Python. Metode Faster R-CNN yang digunakan merupakan salah satu metode deep learning yang berfungsi mengenali objek pada suatu citra atau gambar yang ditangkap oleh kamera. Dengan menggunakan metode ini sistem hanya dapat mendeteksi object orang saja, hasil pengujian yang didapatkan dari penelitian ini menunjukkan bahwa sistem mampu mendeteksi tiga pergerakan keberadaan orang yang berjalan lambat, berjalan normal dan berjalan cepat yang berada di POV (Point Of View) kamera dengan tingkat akurasi 77%. Sedangkan tingkat akurasi perhitungan sistem untuk jumlah orang yang masuk, keluar, dan jumlah orang yang berada di dalam ruangan dengan hasil data reporting yang disimpan dalam bentuk file spreadsheet (.csv) memiliki kesesuaian data 100%, data reporting pada sistem ini dicatat setiap detik dalam waktu kurang lebih 20 menit. Sistem (model) yang dibuat oleh penulis memiliki nilai Accuracy sebesar 100%, memiliki nilai Precision sebesar 1, nilai Recall sebesar 1, nilai F1 – Score sebesar 1, nilai Rate Accuracy sebesar 79% dan Rate Loss sebesar 21%.


Export Record



Statistic

IRStats Detail StatisticView more statistics

Item Type: Thesis (Undergraduate)
Additional Information: Sellina Nuril Laili (18410200057)
Uncontrolled Keywords: Faster R-CNN, Pembatasan Jumlah Orang, Deteksi Orang, Pembatasan Sosial, Covid-19
Dewey Decimal Classification: 600 – Technology > 620 Engineering & Applied operations > 621 Applied physics
Divisions: Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User: Sellina Nuril Laili
Date Deposited: 21 Feb 2022 10:30
Last Modified: 21 Feb 2022 10:30
THESIS ADVISORS: 1. UNSPECIFIED (NIDN : UNSPECIFIED)
URI: http://repository.dinamika.ac.id/id/eprint/6315

Actions (login required)

View Item View Item