Perbandingan Pre-Trained Convolutional Neural Network Model Dalam Pengembangan Sistem Pelacakan Untuk Mengetahui Jumlah Pengunjung Yang Tidak Mencuci Tangan

Hasan, Mohammad Ifaizul (2022) Perbandingan Pre-Trained Convolutional Neural Network Model Dalam Pengembangan Sistem Pelacakan Untuk Mengetahui Jumlah Pengunjung Yang Tidak Mencuci Tangan. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311840000029-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Penelitian tugas akhir ini bermaksud untuk merancang sebuah sistem pelacakan manusia sekaligus membandingkan model deteksi terbaik yang dapat diterapkan pada sistem ini. Menggunakan sebuah kamera yang akan terhubung dengan sebuah mini-computer sebagai tempat pengolahan data, sistem ini secara implisit bermaksud untuk mengetahui apakah sebelum masuk ke dalam ruangan atau bangunan tertentu seseorang telah mencuci tangan atau belum mencuci tangan. Penelitian terdahulu membuktikan bahwa mencuci tangan dapat mencegah seseorang dari terpapar penyakit infeksi seperti COVID-19. Mini-computer dan kamera yang digunakan adalah produk dari Coral yaitu Coral Dev Board Mini dan Coral Camera. Sistem akan menangkap video dan mendeteksi potongan-potongan video tersebut apakah terdapat manusia atau tidak menggunakan pre-trained model. Seluruh manusia yang terdeteksi akan diikuti pergerakannya dari suatu titik koordinat ke titik koordinat lainnya. Metode pelacakan menggukanan dua jenis status yaitu status untuk mengetahui banyaknya potongan video yang dilalui objek manusia dan status untuk membedakan lokasi awal dari objek manusia tersebut. Nilai dari sistem akan diunggah ke situs web sehingga dapat dipantau oleh pihak terkait. Hasil pengujian dari sistem menunjukkan bahwa kinerja sistem cukup baik mulai dari tahap persiapan hingga pengunggahan hasil ke situs web meskipun suhu rata-rata yang didapat melebihi 70 derajat Celcius. Model terbaik yang didapatkan dalam pengujian ini adalah MobileDet dengan tingkat akurasi paling tinggi dan rata-rata frames per second sebesar 9.58.
====================================================================================================================================
This final project research intends to design a tracking system while at the same time comparing the best detection model that can be applied to this system. Using a camera that will be connected to a mini-computer as a place for data processing, this system implicitly intends to find out whether before entering a certain room or building someone has washed their hands or has not washed their hands. Previous research has shown that hand washing can prevent a person from being exposed to infectious diseases such as COVID-19. The mini-computer and camera used are products from Coral, namely the Coral Dev Board Mini and Coral Camera. The system will capture the video and detect the pieces of the video whether there are humans or not using a pre-trained model. All detected humans will be followed by their movements from one coordinate point to another. The tracking method uses two types of status, namely status to find out how many pieces of video the human object has passed and status to distinguish the initial location of the human object. The value of the system will be uploaded to the website so that it can be monitored by related parties. The test results from the system show that the system's performance is quite good from the preparation stage to uploading the results to the website even though the average temperature obtained exceeds 70 degrees Celsius. The best model obtained in this test is MobileDet with the highest level of accuracy and the average frames per second is 9.58.

Item Type:	Thesis (Other)
Additional Information:	RSTI 006.3 Has p-1 2022
Uncontrolled Keywords:	mencuci tangan, pre-trained model, pelacakan objek, handwashing, pre-trained model, object tracking
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	22 Apr 2026 07:31
Last Modified:	22 Apr 2026 07:31
URI:	http://repository.its.ac.id/id/eprint/132871

Actions (login required)

View Item