Melola Discovery

← Melola Discovery

Jurnal Tanpa peringkat SINTA

Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19

Edu Komputika Journal · Vol. 8 No. 1 (2021) · hlm. 31–38

DOI
10.15294/edukomputika.v8i1.47837
ISSN
2599-297X, 2252-6811
Terbit
2021-06-30
Penerbit
Jurusan Teknik Elektro Universitas Negeri Semarang
Bahasa
eng

Abstrak

Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar. Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut. Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra.

Jaringan kolaborasi para penulis

40 penulis · 99 tautan kepenulisan bersama · 6 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • State University of Malang
  • Universitas Gadjah Mada
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Anan NugrohoAfiliasi tidak diketahui2
Khoirudin FathoniState University of Semarang2
Getsa Novandra RizkatamaState University of Malang2
Hanan Iqbal AlrahmaState University of Semarang1
Ahmad Fashiha HastawanState University of Semarang1
Ulfah Mediaty AriefState University of Semarang1
Budi SunarkoState University of Semarang1
Hari WibawantoState University of Semarang1
Anggraini MulwindaState University of Semarang1
Anas FauziState University of Semarang1
Dwi OktaviyantiState University of Semarang1
Dina Wulung SavitriState University of Semarang1
Edi SiswantoState University of Semarang1
Hizkia Natanael RichardoState University of Semarang1
Paramesti AstaginaState University of Semarang1
Anantha Revoislami AriolinState University of Semarang1
Kholiq BudimanState University of Semarang1
alamsyah alamsyahState University of Semarang1
Fathul Luthfillah AhmadAfiliasi tidak diketahui1
M. Fazal MustaqimAfiliasi tidak diketahui1
Nur IksanState University of Semarang1
Mohammad Sofyan AzizState University of Semarang1
ArlintoAfiliasi tidak diketahui1
Izzati Gemi SeinsianiState University of Semarang1
Yogi Agung PrasetyoState University of Semarang1
Muhammad Alvan FauziState University of Semarang1
Raditya Wisnu WardhanaState University of Semarang1
Hermawan Rizqi SaputraAfiliasi tidak diketahui1
Tiara Widya HermayatiAfiliasi tidak diketahui1
Dika FitriyaniAfiliasi tidak diketahui1
Hanela Nur AiniAfiliasi tidak diketahui1
Rezky Martha AmaliaAfiliasi tidak diketahui1
Santi KrisbanowatiAfiliasi tidak diketahui1
Dian Nadia MaurethaAfiliasi tidak diketahui1
Achmad Setiyo WibowoAfiliasi tidak diketahui1
Hanung Adi NugrohoUniversitas Gadjah Mada1
Noor Akhmad SetiawanUniversitas Gadjah Mada1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/edukom/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19</dc:title>
	<dc:creator>Indaryanto, Faizal</dc:creator>
	<dc:creator>Nugroho, Anan</dc:creator>
	<dc:creator>Suni, Alfa Faridh</dc:creator>
	<dc:description xml:lang="en-US">Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar. &amp;nbsp;Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut. &amp;nbsp;Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra.
&amp;nbsp;</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Teknik Elektro Universitas Negeri Semarang</dc:publisher>
	<dc:date>2021-06-30</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/edukom/article/view/47837</dc:identifier>
	<dc:identifier>10.15294/edukomputika.v8i1.47837</dc:identifier>
	<dc:source xml:lang="en-US">Edu Komputika Journal; Vol 8 No 1 (2021): Edu Komputika Journal; 31-38</dc:source>
	<dc:source>2599-297X</dc:source>
	<dc:source>2252-6811</dc:source>
	<dc:source>10.15294/edukomputika.v8i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/edukom/article/view/47837/19697</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2021 Edu Komputika Journal</dc:rights>
</oai_dc:dc>