Perancangan Sistem Deteksi Peta Panas (Heatmap) Keramaian Pengunjung di Area Publik Selama Pandemi COVID-19 Berbasis YOLOV4-Tiny

Abstract

Pandemi COVID-19 mengakibatkan masyarakat melakukan aktivitas dengan cara baru yaitu dengan penerapan protokol kesehatan. Pengawasan yang ketat sangat penting dilakukan pada kawasan wisata di area publik untuk menjaga jarak aman dan menghindari kerumuman untuk menekan angka penyebaran virus. Salah satu metode pemantauan aktivitas di ruang terbuka yang dapat digunakan adalah dengan penerapan deep learning. Pada penelitian ini dilakukan perancangan sistem deteksi objek untuk pemetaan kerumunan, kemudian dilakukan penilaian akurasi metode algoritma deteksi objek, dan dilakukan pengujian kemampuan metode algoritma deteksi objek dalam melakukan pemetaan kerumunan. Peta Panas kerumunan dibentuk dengan pendekatan prediktif menggunakan algoritma deteksi objek satu tahap You Only Look Once (YOLO) v4-Tiny berdasarkan pengurangan latar belakang (background subtraction). Pada penelitian ini berhasil dirancang algoritma deteksi objek di area keramaian dengan akurasi 95% dan model akurasi rata-rata 59,45%. Hasil visual pemetaan heatmap kerumunan pengunjung dibentuk dengan warna hitam dan kuning berdasarkan kepadatan arus pengunjung yang melalui suatu lokasi. Warna kuning pada peta di suatu lokasi menandakan pada jalur tersebut terdapat tingkat lalu-lintas manusia yang padat.