IMPLEMENTASI ALGORITMA OBJECT DETECTION YOLOV4 DAN EUCLIDEAN DISTANCE DALAM MENDETEKSI PELANGGARAN SOCIAL DISTANCING


Zulkiflie, Muhammad Amirullah (2021) IMPLEMENTASI ALGORITMA OBJECT DETECTION YOLOV4 DAN EUCLIDEAN DISTANCE DALAM MENDETEKSI PELANGGARAN SOCIAL DISTANCING. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
H071171526_skripsi_01-11-2021 Cover1.jpg

Download (263kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
H071171526_skripsi_01-11-2021 Bab 1-2.pdf

Download (2MB)
[thumbnail of Dapus] Text (Dapus)
H071171526_skripsi_01-11-2021 Dapus-lamp.pdf

Download (302kB)
[thumbnail of Full Text] Text (Full Text)
H071171526_skripsi_01-11-2021.pdf

Download (5MB)

Abstract (Abstrak)

Pandemi COVID-19 (Coronavirus Disease-19) dianggap sebagai ancaman kesehatan masyarakat terbesar saat ini, sehingga publik di wajibkan untuk mematuhi social distancing. Menurut WHO, saat melakukan aktivitas di publik orang-orang di wajibkan untuk menjaga jarak sekitar 6 kaki atau 1,8 meter. Penelitian ini berfokus dalam membuat sebuah sistem yang dapat melakukan deteksi pelanggaran social distancing menggunakan algoritma object detection YOLOv4. Dari hasil pengujian model, Model YOLOv4 berhasil dalam mendeteksi objek manusia, dan mendapatkan skor mAP dengan nilai sebesar 78,6 %, dalam pengujian deteksi manusia menggunakan video digital model berhasil mendeteksi manusia dengan hasil kecepatan deteksi terbaik 51,2 FPS . Dalam mendeteksi pelanggaran social distancing model dapat melakukan deteksi pelanggaran social distancing dengan baik dengan metode konversi pixel rata-rata error jarak antara objek yang didapatkan adalah 0,064 meter.
Kata kunci: YOLO, Deteksi Objek, Social Distancing, CNN, Deep Learning.

Item Type: Thesis (Skripsi)
Subjects: Q Science > QA Mathematics
Depositing User: S.Sos Rasman -
Date Deposited: 04 Jan 2022 03:23
Last Modified: 18 Oct 2024 03:20
URI: http://repository.unhas.ac.id:443/id/eprint/12039

Actions (login required)

View Item
View Item