DI USULKAN OLEH:
UNIVERSITAS SRIWIJAYA
INDERALAYA
2021
DAFTAR ISI
DAFTAR ISI ................................................................................................................. i
DAFTAR TABEL ........................................................................................................ ii
DAFTAR GAMBAR ................................................................................................... iii
BAB I PENDAHULUAN
1.1 Latar Belakang Penelitian ....................................................................................1
1.2 Rumusan Masalah ................................................................................................2
1.3 Tujuan Penelitian .................................................................................................2
1.4 Manfaat Penelitian ...............................................................................................2
1.5 Urgensi Penelitian ................................................................................................3
1.6 Luaran yang diharapan.........................................................................................3
BAB II TINJAUAN PUSTAKA
2.1 Protokol Kesehatan ..............................................................................................3
2.2 Deep Learning .....................................................................................................3
2.3 Convolutional Neural Network (CNN) ................................................................4
2.4 Residual Neural Network 50 (ResNet-50) ...........................................................4
2.5 Transfer Learning ................................................................................................5
2.6 MobileNetV2 ........................................................................................................5
2.7 Single Shot Detector ............................................................................................6
BAB III METODE PENELITIAN
3.1 Pengumpulan Data ...............................................................................................6
3.2 Praproses Dataset .................................................................................................7
3.3 Pembuatan Model Deep Learning dengan Fine Tuning ......................................7
3.4 Proses Deteksi Menggunakan Model Deep Learning..........................................8
3.5 Analisa Hasil dan Kesimpulan .............................................................................9
BAB IV JADWAL KEGIATAN
4.1 Jadwal Kegiatan ...................................................................................................9
DAFTAR PUSTAKA ..................................................................................................11
LAMPIRAN
Lampiran 1. Biodata Ketua, Anggota dan Dosen Pendamping ...................................12
1.1 Biodata Ketua Pelaksana Kegiatan ....................................................................12
1.2 Biodata Anggota Pelaksana Kegiatan ................................................................13
1.3 Biodata Anggota Pelaksana Kegiatan ................................................................14
1.4 Biodata Dosen Pendamping ...............................................................................15
Lampiran 2. Susunan Organisasi Tim Peneliti dan Pembagian Tugas ........................17
Lampiran 3. Surat Pernyataan Ketua Pelaksana ..........................................................18
i
DAFTAR TABEL
ii
DAFTAR GAMBAR
Gambar 1. Proses CNN .......................................................................................... 4
Gambar 2. Arsitektur ResNet ................................................................................. 5
Gambar 3. Diagram Blok Sistem Fine-Tuning ...................................................... 5
Gambar 4. Arsitektur MobileNetV2 ....................................................................... 6
Gambar 5. Diagram Alir Penelitian ....................................................................... 6
Gambar 6. Contoh Dataset Orang Bermasker dan Tidak Bermasker .................... 6
Gambar 7. Contoh Dataset Pelanggaran Social Distancing ................................... 7
Gambar 8. Contoh Output Mask Detection ........................................................... 7
Gambar 9. Contoh Deteksi Pelanggaran Social Distancing ................................... 8
Gambar 10. Contoh Output Deteksi Pelanggaran Protokol Kesehatan .................. 9
iii
1
BAB I
PENDAHULUAN
92,8%. Namun penelitian ini juga memiliki kekurangan seperti bounding box yang
belum menyeluruh pada bagian objek yang diteliti dan tidak menjelaskan terkait
kecepatan FPS (Frame Per Second) yang dihasilkan bila menggunakan model
tersebut.
Dari kelebihan dan kekurangan beberapa penelitian tersebut maka pada
penelitian ini akan dilakukan pengembangan sistem yang dirancang. Sistem yang
dikembangkan ini bisa mendeteksi adanya kerumunan dan mengetahui apakah
seseorang menggunakan masker atau tidak dijalan raya serta menampilkan
informasi kapan dan dimana pelanggaran itu terjadi.
Sistem yang dirancang ini menggabungkan model Deep Learning dan program
tracking dan counting menjadi sebuah sistem otomatis yang dibantu oleh Graphic
User Interface (GUI) serta sebuah perangkat alarm dan platform Internet of Things
(IoT) dalam pemakaiannya. Dengan adanya sistem ini diharapkan bisa
memudahkan pemantauan pemerintah dalam mengawasi pengguna jalan raya yang
melanggar protokol kesehatan serta bisa meningkatkan kedisiplinan masyarakat
dalam mematuhi kebijakan protokol kesehatan yang berlaku.
BAB II
TINJAUAN PUSTAKA
2.1 Protokol Kesehatan
Protokol kesehatan merupakan suatu langkah, strategi dan kebijakan yang
diambil pemerintah untuk mencegah penyebaran Covid-19. Protokol kesehatan
berusaha untuk mengubah kebiasaan masyarakat melalui 5M yaitu mencuci tangan,
menjaga jarak, memakai masker, mengurangi mobilitas dan menghindari
kerumunan (Rachmadi et al., 2021). Mematuhi protokol kesehatan merupakan
tindakan yang sangat tepat guna mengurangi resiko penyebaran Covid-19 pada
masa ini, dikarenakan virus ini bisa menular melalui interaksi antar manusia.
sebagian besar dipengaruhi karena faktor komputasi yang lebih kuat, data set yang
besar dan teknik untuk melatih jaringan yang lebih dalam (Heaton, 2018).
ResNet-50 merupakan model dari CNN yang memiliki 50 layer yang terbagi
menjadi 48 Convolution Layers, 1 MaxPool Layer dan 1 Average Pool Layer.
Arsitektur ini dipilih karena memiliki performa yang baik pada Image Net Large
Scale Visual Recognition Competiton (ILSVRC), serta dapat menghemat memori
dan penyimpanan hardware pada saat meneliti. ResNet-50 merupakan metode yang
direkomendasikan oleh para peneliti untuk melakukan ekstraksi fitur pada data
dalam jumlah yang besar. Metode ini menjaga tingkat saturasi agar tetap stabil yang
berdampak pada meningkatnya tingkat akurasi dan hasil akhir yang didapatkan.
BAB III
METODE PENELITIAN
Sedangkan untuk pengumpulan data secara langsung diambil beberapa gambar dan
video disekitar jalan raya yang isinya orang-orang yang sedang melakukan
kerumunan atau berkumpul. Kemudian foto dan video tersebut diedit manual untuk
dijadikan sebagai dataset dalam mendeteksi pelanggaran social distancing. Berikut
contoh datasetnya:
BAB IV
JADWAL KEGIATAN
Kegiatan penelitian ini direncanakan akan dijalankan selama 3 bulan (12 minggu).
Tabel 1. Jadwal Kegiatan
Tahap 1 : Persiapan
DAFTAR PUSTAKA
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar
dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari
ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima
sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi
salah satu persyaratan dalam pengajuan LKTI FMIPA.
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar
dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari
ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima
sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi
salah satu persyaratan dalam pengajuan LKTI FMIPA.
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar
dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari
ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima
sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi
salah satu persyaratan dalam pengajuan LKTI FMIPA.
B. Riwayat Pendidikan
Program S1 S2
Nama PT Universitas Sriwijaya Universitas Gadjah Mada
Jogja
Bidang Ilmu Matematika MIPA Ilmu Komputer
Tahun Masuk 1996 2000
Tahun Lulus 2000 2003
D. Penelitian
No Judul Penelitian Penyandang Dana Tahun
1 Implementasi Ecoinformatics dalam Hibah Kompetitif 2016
Sistem Manajemen Data Ekolog Unsri
2 Reduksi Dimensi Pada Sinyal ECG Sateks Unsri 2017
Menggunakan Metode Compressive
3 Sistem Prediksi Penderita Jantung Hibah Kompetitif 2018
Dengan Teknik Data Mining Unsri
4 Model dan Prediksi Relevansi Eidang Sateks Unsri 2019
Pekerjaan Lulusan Universitas
Sriwijava dengan Latar Belakang
Pendidikan Menggunakan Teknik Data
Mining
5 Deteksi Dini Kanker Serviks dengan Sateks Unsri 2020
Teknik Pengolahan Citra dan
Klasifikasi Sel Serviks Berbasis Data
Mining
6 Prediksi Konsentrasi Polutan Penyebab Sateks Unsri 2020
16
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar
dan dipertanggung jawabkan secara hokum. Apabila dikemudian hari ternyata
dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima
sanski.Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah
satu persyaratan dalam pengajuan LKTI FMIPA.
Dengan ini menyatakan bahwa proposal LKTI saya dengan judul Automatic
Detection Camera of Health Protocol di Jalan Raya berbasis Deep Learning yang
diusulkan untuk tahun anggaran 2021 adalah asli karya kami dan belum pernah
dibiayai oleh lembaga atau sumber lain.
Bilamana di kemudian hari ditemukan ketidaksesuaian dengan pernyataan ini,
maka saya bersedia dituntut dan diproses sesuai dengan ketentuan yang berlaku dan
mengembalikan seluruh biaya yang sudah diterima ke kas negara.
Demikian pernyataan ini dibuat dengan sesungguhnya dan dengan sebenar-
benarnya.