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.

Preview	Text 18410200057-2022-UNIVERSITASDINAMIKA.pdf - Accepted Version Download (1MB) | Preview
	Text 184102000057-2022-LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (853kB)

Search this title on : |

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

ASCII Citation Atom BibTeX Dublin Core EP3 XML EndNote HTML Citation JSON METS MODS MPEG-21 DIDL OpenURL ContextObject OpenURL ContextObject in Span RDF+N-Triples RDF+N3 RDF+XML Refer Reference Manager Simple Metadata

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item