DETEKSI SOCIAL DISTANCING DAN PENGGUNAAN MASKER DI RESTORAN MENGGUNAKAN ALGORITMA FASTER R-CNN

DESFITRI RAMADHANI

Informasi Umum

Kode

22.04.2271

Klasifikasi

006.3 - Special Computer Methods- Artificial intelligence

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Artificial Intelligence

Dilihat

176 kali

Informasi Lainnya

Abstraksi

Social distancing adalah sebuah tindakan menjaga jarak antar individu dengan individu lain untuk mencegah penyebaran suatu penyakit yaitu virus Covid-19. Covid-19 ini dapat dicegah dengan cara menjaga jarak minimal satu meter, tetap memakai masker jika melakukan bepergian, selalu mencuci tangan dan selalu membawa handsanitizer kemana pun jika bepergian. Pada saat ini sangat penting diterapkan karena kasus Covid-19 yang semakin banyak menyebar di seluruh dunia, khususnya di Indonesia. Pertama kali muncul kasus ini terhitung sejak 2 Maret 2020. Akibatnya menyulitkan orang-orang untuk beraktivitas sebagaimana mestinya, oleh karena itu pemerintah penerapkan peraturan social distancing yang sangat ketat. Tetapi masih banyak masyarakat yang tidak peduli dengan peraturan ini, maka dari itu Tugas Akhir ini memberikan solusi untuk pengawasan masyarakat terhadap social distancing dan penggunaan masker di restoran.

Singkatnya pada sistem ini, untuk simulasi ada sebuah kamera yang akan dipasang dalam sebuah ruangan yang merupakan simulasi restoran dan mendeteksi social distancing dan penggunaan masker di ruangan tersebut. Setelah pendeteksian berhasil kemudian di analisis apakah diterapkan atau tidaknya social distancing dan penggunaan masker. Sistem akan mendeteksi person menggunakan algoritma YOLO (You Only Look Once) untuk social distancing dan penggunaan masker menggunakan algoritma yaitu Faster Region based Convolutional Neural Network (Faster R-CNN). Sedangkan pendeteksian jarak antar individu yang terdeteksi menggunakan metode Euclidean Distance.

Hasil yang didapatkan dari Tugas Akhir ini adalah sistem dapat mendeteksi pelanggaran social distancing dan penggunaan masker. Hasil training model YOLOv4 pada rasio 90%:10%, max batches 6000, dan learning rate 0.001 mendapat mAP sebesar 49.02%. Sedangkan untuk Faster R-CNN didapatkan rasio 80%:20%, batch size 10, dan learning rate 0,01 mendapat akurasi sebesar 68.76%.

Kata Kunci: Social distancing, Covid-19, Faster Region based Convolutional Neural Network (Faster R-CNN), YOLO (You Only Look Once).