Sistem Deteksi Pelanggaran Social Distancing Di Ruang Terbuka Menggunakan Algoritma Faster R-cnn

Adita Sukma Wardani, Casi Setianingsih, Fussy Mentari Dirgantara

Abstract

Penerapan social distancing pada saat ini sangat diperlukan karena adanya kasus Covid-19 yang semakin meluas. Salah satu cara yang mudah dan efektif dalam memutus rantai penyebaran Covid-19 yaitu dengan cara menerapkan social distancing. Tugas akhir ini akan membahas tentang perancangan dan implementasi deteksi social distancing. Pendeteksian ini akan mengambil gambar orang yang tertangkap kamera kemudian dianalisis apakah mereka melakukan social distancing atau tidak. Deteksi social distancing ini dapat dilakukan secara realtime. Metode Faster Region based Convolutional Neural Network (Faster R-CNN) digunakan untuk deteksi objek manusia dan metode Euclidean Distance digunakan untuk menghitung jarak manusia. Hasil dari tugas akhir ini adalah sistem akan mendeteksi manusia yang tertangkap kamera menggunakan model dengan partisi data 80% train : 20% test, epoch 7000, learning rate 0.0004, dan num steps 21000. Akurasi yang diperoleh dengan penggunaan metode Faster Region based Convolutional Neural Network (Faster R-CNN) mencapai 96.90%, nilai presisi sebesar 97.81%, dan nilai recall sebesar 98.67% yang didapatkan dari perhitungan confusion matrix yang dilakukan pada dataset. Akurasi pengujian social distancing yang didapatkan pada skenario CCTV 82.35% dan skenario sejajar 86.66%. Kata kunci : Akurasi, Covid-19, Deep Learning, Euclidean Distance, Faster Region based Convolutional Neural Network, Social Distancing

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0