DETEKSI JUMLAH MANUSIA MENGGUNAKAN METODE YOLOv4 DALAM SUATU GEDUNG (STUDI KASUS : LAB ELEKTRO UNISSULA)

UTOMO, MOHAMAD SEPRIYANTO (2023) DETEKSI JUMLAH MANUSIA MENGGUNAKAN METODE YOLOv4 DALAM SUATU GEDUNG (STUDI KASUS : LAB ELEKTRO UNISSULA). Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Teknik Elektro_30601700022_fullpdf.pdf Download (2MB)
	Text Teknik Elektro_30601700022_pernyataan_publikasi.pdf Restricted to Registered users only Download (235kB)

Abstract

Pemerintah Indonesia telah menetapkan pembatasan kapasitas ruangan sebagai upaya mencegah penyebaran Covid-19, namun masih banyak masyarakat yang mengabaikan peraturan tersebut. Algoritma YOLOv4 (You Only Look Once) merupakan algoritma deep learning yang memanfaatkan convolution neural network (CNN) dalam mendeteksi objek, termasuk manusia dalam ruangan. Penelitian ini bertujuan untuk mengembangkan aplikasi penghitung jumlah manusia pada ruangan menggunakan bahasa pemrograman Python dengan library YOLOv4 untuk meminimalisir penyebaran Covid-19. Metode penelitian tugas akhir ini adalah mengimplementasikan algoritma YOLOv4 untuk mendeteksi manusia serta dapat menghitung manusia yang masuk dan keluar pada ruangan yang diawasi oleh CCTV. Pada proses CNN, YOLOv4 membagi gambar ke dalam kisi-kisi dengan ukuran tertentu, kemudian memprediksi kotak pembatas dan peta kelas dari setiap kisi. Algoritma YOLOv4 menggunakan bahasa Python dan library yang dapat mendeteksi objek dengan frame rate yang lebih tinggi. Aplikasi ini dapat digunakan untuk mengetahui jumlah orang yang masuk dan keluar dari ruangan, serta dapat mendeteksi manusia dari bagian depan, belakang, dan sisi samping. Pengujian alat pendeteksi manusia dengan metode YOLOv4 ini sudah sesuai target yang diinginkan dan memberikan hasil yang sesuai dengan konsep rancangan awal. Pengujian dilakukan dengan berbagai cara, seperti pengujian deteksi manusia dengan satu orang masuk secara bergantian, pengujian deteksi manusia dengan dua orang masuk secara bersamaan, dan pengujian deteksi manusia tiga orang masuk secara bersamaan. Pendeteksia sudah bisa menghitung jumlah manusia baik yang masuk maupun keluar jika manusia tersebut melintasi garis pendeteksi. Namun, perhitungan bisa mengalami error jika resolution gambar kurang jelas atau jika terdapat dua objek yang saling menghalangi. Secara keseluruhan, YOLOv4 dapat menjadi solusi efektif untuk mencegah penyebaran Covid-19 dengan mendeteksi jumlah manusia dalam ruangan. Kata kunci : Pembatasan kapasitas ruangan, pencegahan COVID-19, algoritma YOLOv4, pendeteksian manusia

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Elektro
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	26 Jul 2023 06:56
Last Modified:	26 Jul 2023 06:56
URI:	http://repository.unissula.ac.id/id/eprint/30001

Actions (login required)

View Item