IMPLEMENTASI MULTI-CAMERA SEBAGAI PEOPLE COUNTER BERBASIS METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Penelitian ini mengembangkan sebuah alat untuk mengimplementasikan people counter sebagai pencegahan penularan COVID 19 di dalam ruangan. Sistem menggunakan metode Convolutional Neural Network (CNN) yang merupakan salah satu metode deep learning yang didalamnya terdapat proses pengenalan objek, ekstraksi objek, dan klasifikasi objek. Hasil metode algoritma menghasilkan pembacaan yang cukup bagus untuk mendeteksi objek bergerak dan objek menggunakan masker atau tidak menggunakan masker. Dari hasil pengujian pada penelitian ini, didapatkan objek dapat terdeteksi maksimal sejauh 230 cm dengan menggunakan kamera pertama (masuk) dan sejauh 230 cm menggunakan kamera kedua (keluar). Persentase keberhasilan yang didapatkan untuk kamera pertama adalah 95 % dan 92.5 % untuk kamera kedua. Persentase ini hasil dari pembacaan kamera yang dapat membedakan objek menggunakan masker atau tidak menggunakan masker. Hasil pembacaan dikirimkan ke mikrokontroller untuk proses bejalannya sistem. Terdapat panel yang berfungsi sebagai wadah dari beberapa komponen, yaitu thermal camera amg8833 sebagai sensor suhu, indicator lampu hijau dan merah, buzzer, lcd 20x4 untuk menampilkan hasil counting dan juga keypad sebagai input luasan ruangan. Dari pengujian yang telah dilakukan sistem berjalan dengan baik, dengan pembacaan suhu objek sebelum memasuki ruangan menghasilkan persentase nilai rata-rata error sebesar 0.72 % pada kondisi normal.