Monitoring Ruangan Untuk Deteksi Manusia Berbasis CNN Dengan Fitur Push Notification

Abstract

Pemantauan atau monitoring adalah salah satu kegiatan untuk memantau setiap gerakan dari waktu ke waktu. Pemantauan memiliki berbagai tujuan termasuk menganalisis, mengumpulkan data atau mengamati pola pergerakan. Pemantauan juga dapat diartikan, yaitu melakukan pengamatan terhadap situasi di sekitarnya. Dalam penelitian ini, dibuat sebuah sistem monitoring ruangan yang dapat mendeteksi objek manusia dengan menggunakan perangkat Raspberry Pi 3 dan akan mengirimkan push notification ketika sistem mendeteksi gerakan manusia dalam video. Untuk deteksi manusia berbasis Convolutional Neural Network (CNN) digunakan framework You Only Look Once (YOLO) dan untuk mengirim notification digunakan teknologi Firebase Cloud Messaging. Dari pengujian yang dilakukan, didapatkan akurasi pendeteksian sebesar 71% untuk video pertama dan akurasi 73,2% untuk video kedua. Sensitivitas seluruh sistem adalah 55,01% dan 57,96% serta spesifisitas dari kedua tes ini adalah 95% dan 94,77%

Design of a Covid-19 Patient Respiration Monitoring System Using an ESP 32 Microcontroller and an MPU 6050 Sensor for the Internet of Medical Things (IoMT) System

“…By monitoring the length of each breathing cycle, MPU 6050 sensors may be used to track the vital signs of COVID-19 patients. Internet of Things (IoT) technology may be used to show the collected data on the nurse's monitor by use of an ESP32 [14].…”

Implementasi Deep Learning Menggunakan Metode Convolutional Neural Network Dan Algoritma Yolo Dalam Sistem Pendeteksi Uang Kertas Rupiah Bagi Penyandang Low Vision

“…Penelitian terhadap deteksi objek berupa manusia juga telah dilakukan, misal nya pada tahun 2019 dilakukan penerapan metode convolutional neural network dan long short term memory untuk pengenalan aktivitas manusia pada CCTV di area tambak udang [10]. Pada tahun yang sama juga dilakukan penelitian berupa monitoring ruangan untuk deteksi manusia berbasis CNN dengan fitur push notification [11]. Arsitektur YOLO terdiri dari 27 layer CNN, yaitu 24 layer yang terdiri dari convolutional layer dan pooling layer dengan ukuran 2x2 kernel, kemudian diikuti 2 fully connected layer dan sebuah final decision layer dengan ukuran kernel 1x1 seperti pada gambar 2 YOLO membagi citra masukan menjadi suatu grid berukuran S x S dimana tiap sel dari grid tersebut akan memprediksi bounding box dan menghasilkan nilai untuk tiap kelas.…”

Push Notification Penghubung Orang Tua dan Guru Berbasis Android Menggunakan Firebase Cloud Messaging

“…Push notification juga dapat digunakan untuk monitoring ruangan untuk deteksi manusia. Ketika Gerakan manusia dalam video terdeteksi oleh Raspberry, maka akan langsung mengirimkan notifikasi kepada pengguna [7]. Pendaftaran yang dilakukan calon mahasiswa juga dapat diketahui segera oleh admin berkat adanya push notificatioin, dengan begitu dapat segera memberikan respon sehingga memuaskan calon mahasiswa [8].…”