Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19
Abstract
Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar. Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut. Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra.
References
Anan Nugroho, Risanuri Hidayat, Hanung Nugroho, Johan Debayle. Ultrasound object detection using morphological region-based active contour: an application system. International Journal of Innovation and Learning, Inderscience, In press.
Dong E, Du H, Gardner L. An interactive web-based dashboard to track COVID-19 in real time. Lancet Inf Dis. 20(5):533-534. doi: 10.1016/S1473-3099(20)30120-1
Hammam, H., Asyhar, A., Wibowo, S. A., & Budiman, G. (2020). Implementasi Dan Analisis Performansi Metode You Only Look Once ( Yolo ) Sebagai Sensor Pornografi Pada Video Implementation and Performance Analysis of You Only Look Once ( Yolo ) Method As Porn Censorship in Video. 7(2), 3631–3638.
Hermawan, M. I., Tritoasmoro, I. I., Ibrahim, N., Elektro, F. T., Telkom, U., Only, Y., Once, L., Online, S., & Tracking, R. (2021). PENGATURAN LAMPU LALU LINTAS BERDASARKAN KEPADATAN KENDARAAN MENGGUNAKAN METODE YOLO. 8(1), 198–205.
Jupiyandi, S., Saniputra, F. R., Pratama, Y., Dharmawan, M. R., & Cholissodin, I. (2019). Pengembangan Deteksi Citra Mobil untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA dan Modified YOLO. Jurnal Teknologi Informasi Dan Ilmu Komputer, 6(4), 413. https://doi.org/10.25126/jtiik.2019641275
Kusuma, T. A. A., Usman, K., & Saidah, S. (2021). PEOPLE COUNTING FOR PUBLIC TRANSPORTATIONS USING YOU ONLY LOOK ONCE METHOD. 2(1), 57–66.
Ma’ali, A. M., & A, M. S. H. (2019). Rancang Bangun Sistem Pengendali Lampu Lalu Lintas Berdasarkan Pengenalan Citra Digital Kendaraan Menggunakan Metode Faster R-Cnn. http://eprints.uty.ac.id/3335/
Munadhif, I., Fathoni, D. H., & Jamiin, A. (2020). PENGENDALIAN CCTV MENGGUNAKAN YOU ONLY LOOK ONCE (YOLO). 6(1), 958–965.
Nazilly, M. L., Rahmat, B., & Puspaningrum, E. Y. (2020). Implementasi Algoritma Yolo (You Only Look Once) Untuk Deteksi Api. Jurnal Informatika Dan Sistem Informasi, 1(1), 81–91.
Pramestya, R. H. (2018). Deteksi dan klasifikasi kerusakan jalan aspal menggunakan metode yolo berbasis citra digital. Master Thesis. http://repository.its.ac.id/59044/1/06111650010019-Master_Thesis.pdf
Putra, B., Pamungkas, G., Nugroho, B., & Anggraeny, F. (2021). DETEKSI DAN MENGHITUNG MANUSIA MENGGUNAKAN YOLO-CNN. 02(1), 67–76.
Rachmawati, F., & Widhyaestoeti, D. (2020). Deteksi Jumlah Kendaraan di Jalur SSA Kota Bogor Menggunakan Algoritma Deep Learning YOLO. Prosiding LPPM UIKA Bogor, 360–370.
Rahmad, E. C., Kom, S. T. M., Rawansyah, D., Pd, M., & Rochastu, T. K. (2018). Object Detection System Sebagai Alat Bantu Mendeteksi Objek Sekitar untuk Penyandang Tunanetra. 81–88.
Rohman, Q. A. (2018). Implementasi Fitur Haar-like dalam Mendeteksi dan Menghitung Jumlah Orang pada Noised Digital Image. Journal of Informatic, Information System, Software Engineering and Application, 1(1), 40-48. doi: 0.20895/INISTA.V1I1
Shianto, K. A., Gunadi, K., & Setyati, E. (2019). Deteksi Jenis Mobil Menggunakan Metode YOLO Dan Faster R-CNN. Jurnal Infra, 7(1), 157–163.
Zein, A. (2018). Pendeteksian Kantuk Secara Real Time Menggunakan Pustaka OPENCV dan DLIB PYTHON. Sainstech: Jurnal Penelitian Dan Pengkajian Sains Dan Teknologi, 28(2), 22–26. https://doi.org/10.37277/stch.v28i2.238
