Penghitung Jumlah Pengunjung Objek Wisata Dengan Metode Deep Learning MobileNet-SSD

Authors

  • Mohammad Heri Saputra Universitas Islam Kadiri
  • Danang Erwanto Universitas Islam Kadiri
  • Royb Fatkhur Rizal Universitas Islam Kadiri

DOI:

https://doi.org/10.31358/techne.v21i2.313

Keywords:

MobileNet-SSD, deep learning, Pengolahan Citra Digital

Abstract

Pada kondisi pandemi Covid-19, pengelola objek-objek wisata melakukan pembatasan jumlah pengunjung dengan penghitungan jumlah pengunjung yang masuk secara manual, yaitu dilakukan oleh pegawai/karyawan dengan menggunakan alat counter manual atau melalui penghitungan tiket sehingga sangat memungkinkan terjadi kesalahan dalam penghitungan jumlah pengunjung. Penelitian ini membuat sistem penghitungan jumlah pengunjung dengan memasang sebuah webcam. Webcam tersebut dapat dipasang pada pintu masuk maupun pintu keluar objek wisata. Metode yang digunakan pada penelitian ini adalah pemanfaatan model pra-terlatih MobileNet-SSD sebagai model deep learning. Dari penelitian yang dilakukan, MobileNet-SSD mampu mendeteksi jumlah pengunjung yang keluar dan masuk sehingga dapat menghitung jumlah pengunjung dan melakukan pembatasan jumlah pengunjung pada objek wisata.

Downloads

Download data is not yet available.

References

D. Erwanto, Y. Bismo Utomo, F. Alif Fiolana, M. Yahya, “Pengolahan citra digital untuk menentukan kadar asam askorbat pada buah dengan metode titrasi iodimetri,” Multitek Indones. J. Ilm., vol. 12, no. 2, pp. 73–84, 2018, [Online]. Available: http://journal.umpo.ac.id/index.php/multitek.

S. Lande, R. Lim, K. Gunadi, et al., “Program penghitung jumlah orang lewat menggunakan webcam,” J. Inform., vol. 5, no. 2, pp. 121–126, 2004.

L. B. Setyawan, F. D. Setiaji, et al., “Aplikasi webcam untuk menjejak pergerakan manusia di dalam ruangan,” Techné J. Ilm. Elektrotek., vol. 12, no. 01, pp. 51–60, 2013.

E. Nilamsari, “Penghitung jumlah orang lewat dengan metode normalized sum-squared differences (NSSD),” 2008.

F. Sindy, “Pendeteksian objek manusia secara real time dengan metode Mobilenet-SSD menggunakan movidius neural compute stick pada raspberry PI,” 2019.

W. I. Kusumawati, H. Pratikno, Y. P. Admaja, “Sistem penghitung jumlah pengunjung restoran menggunakan kamera berbasis single shot detector (SSD),” J. Technol. Informatics, vol. 3, no. 1, pp. 19–26, 2021.

A. Younis, L. Shixin, S. Jn, Z. Hai, “Real-time object detection using pre-trained deep learning models MobileNet-SSD,” in Proceedings of 2020 the 6th International Conference on Computing and Data Engineering, 2020, pp. 44–48.

W. Liu et al., “Ssd: Single shot multibox detector,” in European conference on computer vision, 2016, pp. 21–37.

A. G. Howard et al., “Mobilenets: Efficient convolutional neural networks for mobile vision applications,” arXiv Prepr. arXiv1704.04861, 2017.

I. B. Pakpahan, I. C. Dewi, “Pendeteksian lubang pada jalanan menggunakan metode SSD-Mobilenet,” Indonesian J. Electron. Instrum. Syst., vol. 11, no. 2.

S. Ghoury, C. Sungur, A. Durdu, “Real-time diseases detection of grape and grape leaves using faster R-CNN and SSD mobilenet architectures,” in International conference on advanced technologies, computer engineering and science (ICATCES 2019), 2019, pp. 39–44.

F. Arifin, H. Artanto, T. S. G. Nurhasanah, et al., “Fast COVID-19 detection of chest X-ray images using single shot detection mobilenet convolutional neural networks,” J. Southwest Jiaotong Univ., vol. 56, no. 2, 2021.

Downloads

Published

2022-09-29

How to Cite

Heri Saputra, M., Erwanto, D., & Fatkhur Rizal, R. (2022). Penghitung Jumlah Pengunjung Objek Wisata Dengan Metode Deep Learning MobileNet-SSD. Techné : Jurnal Ilmiah Elektroteknika, 21(2), 145–154. https://doi.org/10.31358/techne.v21i2.313

Issue

Section

Articles