Penerapan Algoritma Machine Learning YOLOv8 untuk Analisis Kepadatan dan Durasi Kehadiran Pengunjung dalam Ruangan

Abstrak

Algoritma machine learning memiliki peran penting dalam mengembangkan sistem deteksi objek, termasuk pada aplikasi people counting di ruang publik. Penelitian ini menerapkan YOLOv8 sebagai model deteksi berbasis deep learning untuk mengidentifikasi dan menghitung jumlah orang, serta mengukur durasi kehadiran mereka secara real-time. Sistem memanfaatkan aliran video dari kamera RTSP yang diproses menggunakan Python dan GPU untuk mempercepat inferensi. Model YOLOv8 digunakan untuk mendeteksi objek “person” dengan akurasi tinggi, sementara modul object tracking mempertahankan ID unik setiap individu untuk mencegah perhitungan ganda dan memungkinkan pengukuran durasi yang presisi. Data hasil deteksi dan pelacakan disimpan pada basis data lokal, lalu divisualisasikan melalui dashboard interaktif yang menampilkan jumlah pengunjung, tingkat kepadatan, dan pola kunjungan. Pengujian menunjukkan akurasi deteksi rata-rata 87,5% dengan kecepatan pemrosesan ≥15 FPS, serta toleransi kesalahan durasi ±2 detik. Implementasi ini membuktikan bahwa integrasi YOLOv8 dengan object tracking mampu menghasilkan sistem analitik berbasis data yang efektif untuk manajemen kapasitas dan perencanaan operasional. Penelitian ini juga membuka peluang pengembangan sistem people counting berbasis multi-kamera dan analisis prediktif menggunakan model machine learning yang lebih spesifik terhadap lingkungan target.

Kata kunci— machine learning, YOLOv8, deteksi objek, pelacakan, analisis kepadatan.