Rancang Bangun Aplikasi Penghitungan Okupansi Manusia Dengan CCTV Menggunakan Object Detection Model YOLOv8

Latar belakang. Metode tradisional penghitungan okupansi manusia dalam analisis okupansi dianggap kurang akurat, sehingga berkembanglah berbagai metode modern, seperti penggunaan sensor kamera berbasis object detection. Beberapa penelitian sebelumnya telah mengembangkan sistem deteksi okupansi manusia menggunakan model-model seperti Faster R-CNN, Mask R-CNN, dan YOLOv3, namun masih memiliki kekurangan dalam akurasi dan implementasi. Tujuan. Penelitian ini bertujuan mengembangkan aplikasi web penghitungan okupansi manusia menggunakan model object detection YOLOv8, mengetahui cara menerapkan aplikasi, dan mengetahui bagaimana performa aplikasi dalam melakukan penghitungan. Metode. Aplikasi dikembangkan menggunakan metode waterfall dengan model YOLOv8 sebagai modelnya dan DeepSORT untuk tracking. Hasil. Aplikasi penghitungan okupansi manusia dikembangkan menggunakan framework Flask dengan database menggunakan MySQL. Aplikasi melakukan deteksi secara real-time menggunakan model YOLOv8 dan objeknya di-track menggunakan DeepSORT. Akurasi mencapai 100% ketika traffic hanya 1-3 orang namun menurun hingga 75% ketika padat. Kesimpulan. Aplikasi berhasil menjalankan penghitungan okupansi secara real-time dengan bantuan model YOLOv8 dan aplikasi bisa digunakan untuk membantu stakeholder dalam mengatur okupansi manusia di suatu area.