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

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.