TEMPO.CO, Yogyakarta - Sekelompok mahasiswa Universitas Negeri Yogyakarta (UNY) merancang sistem peringatan deteksi kerumunan manusia berbasis Deep Convolutional Neural Network di masa pandemi Covid-19 saat ini. Sistem menggunakan perangkat CCTV.

Alat dikembangkan untuk menyempurnakan teknologi yang digunakan pemerintah saat ini yang berbasis data pergerakan ponsel Mobile Subscriber Integrated Services Digital Network Number/MSISDN dari Base Transceiver Station (BTS). Dari sistem itu pemerintah bisa menyebar peringatan melalui pesan singkat dalam bentuk SMS blast.

Penerapan teknologi itu dinilai memiliki kelemahan karena masih menggunakan ponsel sebagai media utama dalam mendeteksi kerumunan. "Sedangkan beberapa orang belum tentu memiliki ponsel atau justru memiliki ponsel lebih dari satu,” kata salah satu anggota tim UNY yang mengembangkan alat baru, Muhammad Nurwidya Ardiansyah, Selasa 11 Januari 2022.

Kelemahan berupa tingkat akurasi yang berkurang dalam pendeteksian kerumunan. Selain itu, peringatan yang diberikan melalui pesan singkat khususnya dalam bentuk SMS lebih besar kemungkinan terabaikan saat pesan tersebut diterima, juga membutuhkan jeda agar pesan terbaca.

Oleh sebab itu, Ardiansyah melanjutkan, timnya mengembangkan sistem baru yang dinilai lebih akurat mendeteksi kerumunan. Karya ini pun berhasil meraih dana dari Direktorat Pembelajaran dan Kemahasiswaan Kementerian Pendidikan Kebudayaan Riset dan Teknologi dalam Program Kreativitas Mahasiswa Bidang Karsa Cipta 2021.

“Cara kerja sistem kami menggunakan perangkat CCTV sebagai media input data rekaman video secara real-time, kemudian akan dilakukan deteksi orang yang berada pada frame video tersebut,” kata mahasiswa dari Program Studi Teknologi Informasi itu.

Ia mengatakan setelah objek dapat terdeteksi, selanjutnya sistem akan mendefinisikan kerumunan ketika terdapat dua orang atau lebih dengan jarak kurang dari satu meter.

Anggota tim lainnya, Muhammad Dzulfiqar Amien, mengatakan perhitungan jarak di dalam frame yang dikembangkan timnya dilakukan dengan metode Euclidean Distance. Setelah kerumunan terdeteksi, sistem akan mendeteksi warna pakaian dari orang-orang sehingga pesan peringatan suara yang dikeluarkan oleh speaker dapat lebih spesifik.

Ia mengatakan, sistem peringatan deteksi kerumunan berbasis deep convolutional neural network dibangun dari tiga komponen utama. Ketiganya adalah microcontroller NVIDIA Jetson Nano sebagai perangkat pemrosesan, CCTV sebagai perangkat masukan, dan pengeras suara atau speaker sebagai perangkat keluaran.

“Keluaran dari prototipe ini berupa pesan peringatan suara untuk membantu mengingatkan masyarakat dalam mematuhi protokol kesehatan, terutama menjaga jarak dan menjauhi kerumunan,” kata Amien yang juga mahasiswa Program Studi Pendidikan Teknik Informatika itu.

Tim yang juga beranggotakan Danang Wijaya (Prodi Pendidikan Teknik Informatika) dan Marifa Kurniasari (Prodi Pendidikan Ekonomi) itu membeberkan bahwa hasil yang diperoleh dari pengujian yang dilakukan terhadap prototipe sistem peringatan deteksi kerumunan ini mampu mendeteksi kerumunan dengan kecepatan 22 frame per second.

“Alat ini dapat mendeteksi objek person dengan tingkat akurasi lebih dari 90 persen," kata Marifa Kurniasari.

Selain itu, sistem peringatan deteksi kerumunan ini juga dapat dijalankan pada dua CCTV secara real-time dan bersamaan.

Baca juga:
Mahasiswa UGM juga Kembangkan Sistem Serupa, Simak Perbedaannya