Deteksi Physical Distancing Menggunakan YOLOv4 dan Euclidean Distance Secara Real Time
Covid-19 telah menyebar diseluruh dunia termasuk Indonesia, covid-19 menyebabkan gangguan pernafasan akut hingga kematian. Oleh sebab itu, Physical Distancing telah diterapkan oleh Pemerintah untuk menekan penyeberan virus covid-19. Namun masih banyak masyarakat yang belum mengikuti aturan physical distancing dengan baik. Karena hal ini maka dilakukan penelitian. Dalam penelitian ini, manusia adalah objek dalam pendeteksian objek dan mendeteksi physical distancing. Penelitian ini meneliti sebuah sistem untuk mendeteksi physical distancing antar objek yang terdeteksi dan memantau apakah objek tersebut mengikuti aturan physical distancing. Penelitian ini menggunakan model YOLOv4 dengan arsitektur ResNeXt50. Untuk mendapatkan performa terbaik, dilakukan perbandingan antara 2 optimizer, seperti Adam dan Stochastic Gradient Descent (SGD). Setiap optimizer dilatih dengan 2 learning rate yang berbeda (1E-2 dan 1E-3). Dari hasil pengujian yang dilakukan, optimizer Adam menghasilkan akurasi tertinggi dengan akurasi 96% untuk pendeteksian objek dan metode Euclidean Distance yang digunakan untuk perhitungan jarak objek menghasilkan akurasi perhitungan jarak sebesar 90% dengan kecepatan deteksi 60 f/s.
Kata kunci: Object Detection, YOLOv4, ResNeXt50, Physical Distancing, Corona Virus
Detail Information
Citation
APA Style
. (2021).Deteksi Physical Distancing Menggunakan YOLOv4 dan Euclidean Distance Secara Real Time ().Teknik Informatika:FTI
Chicago Style
.Deteksi Physical Distancing Menggunakan YOLOv4 dan Euclidean Distance Secara Real Time ().Teknik Informatika:FTI,2021.Text
MLA Style
.Deteksi Physical Distancing Menggunakan YOLOv4 dan Euclidean Distance Secara Real Time ().Teknik Informatika:FTI,2021.Text
Turabian Style
.Deteksi Physical Distancing Menggunakan YOLOv4 dan Euclidean Distance Secara Real Time ().Teknik Informatika:FTI,2021.Text