Mahasiswa UNY Rancang Pendeteksi Kerumunan dengan Pengeras Suara
Mahasiswa UNY rancang pendeteksi kerumunan berbasis Deep Convolutional Neural Network menggunakan CCTV. Dok: Humas UNY
Follow IDN Times untuk mendapatkan informasi terkini. Klik untuk follow WhatsApp Channel & Google News
Sleman, IDN Times - Sekelompok mahasiswa Universitas Negeri Yogyakarta (UNY) merancang sistem peringatan deteksi kerumunan berbasis Deep Convolutional Neural Network dengan menggunakan CCTV.
Mereka terdiri dari Muhammad Nurwidya Ardiansyah dari Prodi Teknologi Informasi, Muhammad Dzulfiqar Amien dan Danang Wijaya, mahasiswa Prodi Pendidikan Teknik Informatika serta Marifa Kurniasari dari Prodi Pendidikan Ekonomi.
Salah satu mahasiswa, Ardiansyah mengungkapkan, meski kasus COVID-19 di Indonesia cenderung melandai, upaya untuk menekan peningkatan kasusnya dengan menjaga jarak dan mencegah kerumunan tetap dijalankan.
1. Peringatan suara yang dikeluarkan lebih spesifik jika terdapat kerumunan
Kerumunan saat pandemik COVID-19 di Kesawan City Walk, Kota Medan, Sumatra Utara beberapa waktu lalu. (IDN Times/Prayugo Utomo)Ardiansyah mengatakan, selama ini teknologi untuk mendeteksi kerumunan yang diterapkan pemerintah Kementerian Komunikasi dan Informatika adalah penggunaan data pergerakan ponsel Mobile Subscriber Integrated Services Digital Network Number/MSISDN dari Base Transceiver Station (BTS), serta peringatan melalui pesan singkat dalam bentuk SMS blast. Penerapan teknologi tersebut dinilai memiliki kelemahan yaitu masih menggunakan ponsel sebagai, sedangkan beberapa orang belum tentu memiliki ponsel.
"Hal tersebut mengakibatkan tingkat akurasi dalam pendeteksian kerumunan berkurang. Selain itu, peringatan yang diberikan melalui pesan singkat khususnya dalam bentuk SMS lebih besar kemungkinan terabaikan saat pesan tersebut diterima dan membutuhkan jeda waktu agar pesan tersebut terbaca," ungkapnya.
2. Gunakan tiga komponen utama
Mahasiswa UNY rancang pendeteksi kerumunan berbasis Deep Convolutional Neural Network menggunakan CCTV. Dok: Humas UNYSistem yang dirancang menggunakan perangkat CCTV sebagai media input data rekaman video secara real-time, akan dilakukan mendeteksi orang yang berada pada frame video tersebut.
“Setelah objek dapat terdeteksi selanjutnya sistem akan mendefinisikan sebuah kerumunan ketika terdapat dua orang atau lebih dengan jarak kurang dari satu meter," terangnya.
Perhitungan jarak di dalam frame yang dilakukan dengan metode Euclidean Distance, akan mendeteksi warna pakaian dari orang yang berada di dalam kerumunan sehingga pesan peringatan suara yang dikeluarkan oleh speaker lebih spesifik.
Sementara anggota tim lainnya, Muhammad Dzulfiqar Amien memaparkan sistem peringatan deteksi kerumunan berbasis deep convolutional neural network, merupakan inovasi pengembangan teknologi untuk menekan penyebaran virus yang dibuat menggunakan tiga komponen utama. Meliputi mikrokontroler NVIDIA Jetson Nano sebagai perangkat pemrosesan, CCTV sebagai perangkat masukan, dan pengeras suara atau speaker sebagai perangkat keluaran.
Baca Juga: Mahasiswa UNY Buat Aplikasi Khusus Deteksi Wajah dan Jenis Kelamin
3. Ini tahap pembuatan sistem
Mahasiswa UNY rancang pendeteksi kerumunan berbasis Deep Convolutional Neural Network menggunakan CCTV. Dok: Humas UNYSementara itu, Danang Wijaya menjelaskan tahap pembuatan prototype alat ini, yakni menginstall Jetson Nano Developer Kit SDCard Image yang di dalamnya terdapat Phyton dan OpenCV dengan Cuda pada MicroSD menggunakan aplikasi balenaEtcher di laptop. Dirangkai NVIDIA Jetson Nano dengan cooling fan dan memasukkan micro SD yang telah diinstall Jetson Nano Developer kit SD Card Image ke dalam NVIDIA Jetson nano. Lalu jalankan mikrokontroller NVIDIA Jetson Nano hingga proses instalasi perangkat keras dan perangkat lunak selesai.
Selanjutnya, ditambahkan pre-trained model berupa YOLOv3-tiny, setelah itu buat kode program pendeteksian objek kerumunan dengan metode euclidean distance, program deteksi warna objek dan program keluaran peringatan suara. Lalu mengintegrasikan NVIDIA Jetson Nano, router, CCTV, USB Audio, speaker dan monitor. Sistem pendeteksi kerumunan siap digunakan.
Hasil dari pengujian yang dilakukan terhadap prototipe ini yaitu sistem telah mampu mendeteksi kerumunan dengan kecepatan 22 frame per second, dapat mendeteksi objek person dengan tingkat akurasi lebih dari 90 persen. Sistem peringatan kerumunan mampu mendeteksi warna pakaian sehingga pesan peringatan yang diberikan menjadi lebih spesifik dan meningkatkan penerimaan terhadap pesan peringatan tersebut.
“Selain itu, sistem peringatan deteksi kerumunan ini juga dapat dijalankan pada 2 (dua) CCTV secara real-time dan bersamaan,” paparnya.
