Rancang Bangun Sistem Penghitung Jumlah Orang Melewati Pintu menggunakan Sensor Infrared dan Klasifikasi Bayes

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 3, Maret 2018, hlm. 921-929

e-ISSN: 2548-964X http://j-ptiik.ub.ac.id

Rancang Bangun Sistem Penghitung Jumlah Orang Melewati Pintu menggunakan Sensor Infrared dan Klasifikasi Bayes Raden Galih Paramananda1, Hurriyatul Fitriyah2, Barlian Henryranu Prasetio3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: [email protected], [email protected], [email protected] Abstrak Jumlah pengunjung yang semakin bertambah inilah yang akhirnya menimbulkan masalah baru, yaitu penuhnya tempat ketika jumlah pengunjung tidak sebanding dengan standart kapasitas gedung yang tersedia. Menghitung jumlah pengunjung di pusat perbelanjaan dapat memberikan informasi untuk pengelola mengoptimalkan tempat, dan juga mengevaluasi daya Tarik pada beberapa area perbelanjaan. Pengelola area dapat menganalisis maupun memonitoring keadaan pusat keramaian tersebut. Dari permasalahan tersebut, maka diperlukan sistem otomatis yang digunakan untuk menghitung pengunjung yang melewati pintu secara bersamaan. Pada penelitian ini, parameter yang digunakan adalah deteksi objek yang lewat. Peneliti menggunakan sensor infrared switch E18-D80NK yang akan diproses menggunakan klasifikasi Bayes untuk menghitung jumlah orang yang melewati sensor infrared pada pintu. Metode Bayes dipilih sebagai salah satu teknik untuk pengambilan keputusan klasifikasi penghitung jumlah orang yang melewati pintu secara bersamaan, metode ini merupakan salah satu metode klasifikasi yang cukup sederhana dan mudah dipahami. Sehingga akurasi yang diperoleh sistem ini dengan menggunakan metode Bayes adalah sebesar 79,24%. Dalam kasus ini menggunakan ukuran pintu lebar 200 cm dan tinggi 190 cm dengan waktu komputasi pembacaan sensor sampai perhitungan sebesar 679,2 ms atau sekitar 0,6792 detik. Kata kunci: Penghitung Orang, Sensor Inframerah, Klasifikasi, Bayes

Abstract The growing of visitor number lead to a new problem that is, the fullness of the place when the visitors is not comparable with the available standard capacity of the building. Counting the number of visitors in a shopping center can provide an information for the manager to optimizing the place, as well as to evaluating the attraction in some shopping areas. Area managers can analyze and monitor the center state of the crowd. From this problem, it is need an automate system to calculate the visitor who passes through the door simultaneously. In this study, the parameter that used by reseaecher is the detection of passing objects. The researcher used infrared sensor switch E18-D80NK that will be processed used Bayes classification to calculate the total of visitor who passes through the sensor in the door. The Bayes method was chosen as one of the techniques for decision-making classification counters of people who passing through the door simultaneously, this method is one of the classification method is quite simple and easy to be understood. So the accuracy obtained by this system using Bayes method is 79.24%. In this case, reseacher using the door size width of 200 cm and 190 cm high with the computation time of sensor readings until the calculation of 679.2 ms or about 0.6792 seconds. Keywords: Counters of People, Sensor Infrared, Classification, Bayes

sehingga berdampak pula pada kapasitas tempat yang tersedia. Hal ini dapat menimbulkan permasalahan baru yaitu tidak sebanding antara jumlah pengunjung dan kapasitas tempat. Mengakumulasi total pengunjung di pusat perbelanjaan dapat memberikan informasi kepada pengelola untuk mengoptimalkan tempat, dan mengevaluasi daya tarik beberapa

1. PENDAHULUAN Pusat keramaian seperti tempat perbelanjaan, perpustakaan, rumah sakit, dan lain-lain dimana tempat ini menjadi titik keramaian yang banyak dikunjungi masyarakat. Banyaknya pengunjung yang datang akan mengalami peningkatan, Fakultas Ilmu Komputer Universitas Brawijaya

921

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

area perbelanjaan (Chen, 2009). Sistem penghitung orang ini merupakan sistem yang bekerja secara otomatis dimana cara kerja sistem sendiri nantinya akan ditempatkan pada tempat yang ramai pengunjung. Dari penerapan sistem ini, pengelola area dapat membuat analisis maupun monitoring keadaan pusat keramaian tersebut. Apabila sistem telah mengetahui banyaknya orang di suatu tempat dalam waktu tertentu, maka sistem akan dengan cepat melakukan proses analisis serta manajemen kebutuhan pada pengelolaan tempat. Sistem untuk menghitung banyaknya orang dalam suatu tempat ini memiliki manfaat yang dapat digunakan seperti halnya dalam bidang manajemen, keamanan (security), dan perdagangan (Chen Zhialiang, 2012). Perangkat sistem penghitung jumlah orang melewati pintu tersebut adalah perangkat yang bisa dimanfaatkan dalam perancangan sebuah sistem baru yang akan diaplikasikan pada pusat keramaian. Dari permasalahan ada, sistem penghitung jumlah pengunjung yang dapat memberikan informasi kepada pengelola area tersebut. Sementara itu, teknologi yang sudah ada menggunakan sensor photodiode dan inframerah yang berfungsi untuk mendeteksi halangan objek manusia. Sensor infrared merupakan sensor jarak dengan jangkauan deteksi yang dapat diatur (adjustable infrared sensor switch), untuk mendeteksi adanya objek dan juga sebagai counter untuk mengetahui jumlah pengunjung yang telah melewati pintu. Pada penelitian terdahulu membahas tentang penerapan alat penghitung jumlah pengunjung ruang pertunjukkan sirkus (Maulidiya, 2012), Rancang Bangun Prototipe Penghitung Jumlah Orang Dalam Ruangan Terpadu Berbasis Mikrokontroler ATMega328P (Agung, 2012) dan Development of people counting system with human information sensor using multi element pyroelectric infrared array detector (Hashimoto, 1997) yang dimana penelitian ini menggunakan banyak sensor pyroelectric dan menggunakan multi element untuk penempatan sensornya. Pada penelitian sebelumnya yaitu Sistem penghitung jumlah orang lewat dengan metode normalized sum squared difference, terdapat sistem lain yaitu kamera yang dipasang di pintu dan berfungsi menghitung banyak pengunjung yang masuk melewati pintu metode normalized sum squared difference (Nilamsari, 2010) dan Program Pendeteksi dan Penghitung Jumlah Pengunjung Dengan Pengolahan Citra Digital Menggunakan Webcam (Hidayat, 2013). Fakultas Ilmu Komputer, Universitas Brawijaya

922

Dari penelitian tersebut dapat disimpulkan untuk menghitung pengunjung yang masuk melewati pintu, dapat menggunakan kamera dan sensor jarak. Dengan adanya permasalahan yang sudah dibahas, peneliti mengembangkan sistem yang telah dibuat oleh (Maulidiya, 2012) dengan merancang sistem yang dapat mengetahui banyaknya pengunjung yang terdapat pada satu ruangan menggunakan Arduino dan sensor infrared E18-D80NK menggunakan metode Bayes. Sistem deteksi jumlah pengunjung pada ruangan berpintu menggunakan Sensor Infrared Switch E18-D80NK untuk medeteksi banyaknya pengunjung yang masuk melalui pintu, kemudian hasil deteksi sensor inframerah akan diolah menggunakan metode Bayes untuk mengetahui peluang jumlah orang yang masuk melewati pintu, kemudian hasil dari perhitungan metode Bayes akan di proses menggunakan mikrokontroler Arduino Uno untuk menampilkan hasil output berupa peluang jumlah pengunjung pada serial monitor yang ada di Arduino IDE. Dengan alasan peneliti melakukan penelitian mengenai sistem klasifikasi peluang jumlah orang yang masuk melewati pintu menggunakan metode Bayes. Oleh karena itu peneliti melakukan penelitian yang berjudul “Rancang Bangun Sistem Penghitung Jumlah Orang yang Melewati Pintu Menggunakan Sensor Infrared dan Klasifikasi Bayes”. 2. DASAR TEORI 2.1

Antropemetri

Antropometri adalah ilmu yang mempelajari bentuk dan ukuran tubuh manusia (Roebuck, 1995) dan menurut (Wignjosoebroto, 2000) antropometri adalah sebuah studi yang berkaitan dengan pengukuran dimensi tubuh manusia. Data antropometri digunakan untuk berbagai keperluan seperti perancangan lingkungan kerja (workplaces), fasilitas kerja, menghitung jumlah orang, dan lain-lain agar diperoleh ukuranukuran yang sesuai dan layak dengan dimensi ukuran anggota tubuh manusia yang akan menggunakannya. Hal ini dilakukan agar tercapai suatu kondisi yang enak, nyama, aman dan sehat bagi manusia dan tentunya juga dapat menciptakan kondisi kerja yang efisien dengan hasil yang efektif atau dengan kata lain adalah untuk mencapai keadaan yang ergonomis. Yang dimana lebar bahu atas pria antara 37,90-


47,90cm dan wanita antara 41,15-58,20cm. - Ukuran panjang dari bahu hingga pinggang (panjang badan). - Ukuran lebar badan. - Ukuran lebar leher. - Ukuran lebar bahu. - Ukuran lebar pergelangan tangan. - Ukuran panjang lengan. - Ukuran lebar ketiak. 2.2 Arduino Uno Arduino Uno adalah board sistem minimum berbasis mikrokontroler ATmega328P jenis AVR. Arduino Uno memiliki 14 digital input/output (6 di antaranya dapat digunakan untuk PWM output), 6 analog input, 16 MHz osilator kristal, USB connection, power jack, ICSP header, dan tombol reset. Skema dari Arduino Uno dapat dilihat dengan karakteristik sebagai berikut: • Operating voltage 5 VDC. • Rekomendasi input voltage 7-12 VDC. • Batas input voltage 6-20 VDC. • Memiliki 14 buah input/output digital. • Memiliki 6 buah input analog. • DC Current setiap I/O Pin sebesar 40mA. • DC Current untuk 3.3V Pin sebesar 50mA. • Flash memory 32 KB. • SRAM sebesar 2 KB. • EEPROM sebesar 1 KB. • 11 Clock Speed 16 MHz. 2.3 Teorema Bayes Metode klasifikasi Bayes dikembangkan oleh ahli statistik berkebangsaan Inggris yaitu Thomas Bayes dan menjadi metode paling dasar dalam pengenalan pola menggunakan pendekatan statistik (Webb, 2010). Bayesian Decision Theory menggunakan probabilitas dari data latih yang bertujuan untuk menentukan probabilitas dari data uji terhadap masingmasing kelas pengelompokan. Menurut (Webb, 2010) untuk mengetahui probabilitas kelas sebuah data uji (𝑥) terhadap sebuah kelas 𝜔𝑗 atau posterior probability, maka dibutuhkan informasi berupa: 1. Likelihood Probability 𝑃(𝑥|𝜔𝑗 ) adalah probabilitas data latih (𝑥) tersebut terhadap kelas (𝜔𝑗 ). 2. Prior Probability 𝑃(𝜔𝑗 ) adalah probabilitas dari data latih yang mempunyai kelas (𝜔𝑗 ) terhadap keseluruhan data latih.

Fakultas Ilmu Komputer, Universitas Brawijaya

923

3. Evidence 𝑃(𝑥) adalah jumlah total dari semua likelihood probability yang dikalikan dengan prior probability. Evidence ini yang akan membuat nilai posterior probability hanya antara 0 dan 1. Sehingga probabilitas sebuah data uji terhadap sebuah kelas 𝑃(𝜔𝑗 |𝑥) adalah 𝑃(𝜔𝑗 |𝑥) =

𝑃(𝑥|𝜔𝑗 ) 𝑥 𝑃(𝜔𝑗 )

𝑃𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 =

𝑃(𝑥) 𝑙𝑖𝑘𝑒ℎ𝑜𝑜𝑑 𝑥 𝑝𝑟𝑖𝑜𝑟 𝑒𝑣𝑖𝑑𝑒𝑛𝑐𝑒

(2-1) (2-2)

Dimana evidence 𝑃(𝑥) adalah 𝑃(𝑥) = ∑𝑛𝑗=1 𝑃(𝑥|𝜔𝑗 ) × 𝑃(𝜔𝑗 )

(2-3)

Variabel n merupakan banyak kelas atau kategori pengelompokkan yang dilakukan dalam perhitungan. 2.4 Sensor Infrared E18-D80NK Dalam sensor ini sudah terdapat transmiter dan receiver yang dikemas menjadi satu. Deteksi jarak dapat disesuaikan dengan kebutuhan. Sensor ini dapat digunakan untuk membuat otomasi seperti. Perangkat penghitung, sebagai sensor dalam perangkat peringatan, robot penghindar rintangan, sistem otomasi dapur, sistem alarm keamanan, dll. Spesifikasi sistem ditunjukan pada Gambar 2. Fitur fitur sensor E18-D80NK: • Jarak deteksi : 3 sampai 80 cm • Tipe output adalah digital • Operating Voltage : 5V DC • Response time: >2ms • Control Output: 100mA • Pointing angle: ≤15 ° • Working environment temperature: -25 ° C to + 55 ° C • Sensing Object: Translucency, Opaque • Output Operation: Normally Open(O) • Output DC: three-wire system (NPN) • Diameter: 17mm • Sensor Length: 45mm • Cable Length: 45mm


Gambar 1. Spesifikasi Sensor E18-D80NK

3. PERANCANGAN DAN IMPLEMENTASI 3.1 Perancangan Sistem 3.3.1. Perancangan Posisi Sensor pada Alat Penghitung Perancangan dari sistem ini dapat digunakan untuk menghitung jumlah pengunjung yang masuk melewati pintu secara bersamaan, nantinya alat penghitung jumlah pengunjung ini tersusun dari mikrokontroler dan sensor infrared switch E18-D80NK. Untuk perangkaian sensor akan dirangkai dengan melakukan peletakkan sensor dengan jarak yang sudah di sesuaikan sebelumnya. Terdapat rancangan posisi sensor pada alat penghitung yang ditunjukkan pada Gambar 3 berikut.

924

lebar tubuh manusia digunakan untuk mengetahui sensor mana saja yang terhalangi oleh manusia yang melewati pintu dengan lebar bahu pria antara 37,90 cm – 47,90 cm dan wanita antara 41,15 cm – 58,20 cm (Wignjosoebroto, 2000). Setelah itu peneliti melakukan analisa peletakkan sensor yang dimana sensor akan di letakkan diatas pintu 200 cm x 190 cm dengan masing-masing jarak antar sensor sebesar 28 cm, dengan asumsi 200 cm dibagi 6 buah sensor inframerah. Serta sensor dapat bekerja dengan arah yang sudah di tentukan pada spesifikasi sensor yaitu pointing angle sebesar 15o. setelah mengetahui peletakkan sensor, peneliti akan melakukan deteksi adanya objek yang menghalangi sensor untuk menghitung jumlah orang yang masuk melewati pintu dalam pusat keramaian. 3.1.2 Perancangan Perangkat Keras Pada Alat Penghitung Perancangan perangkat keras pada sistem ini dimulai dari perancangan pada alat penghitung dan pendeteksi dimana terdiri dari rangkaian sensor yang berfungsi sebagai alat untuk menghitung suatu objek secara real time. Pada alat penghitung dan pendeteksi ini menggunakan mikrokontroler arduino yang bertindak sebagai kontroler. Kontroler ini berfungsi untuk mengakuisisi data sensor dan ditampilkan hasil data menuju serial monitor. Untuk rangkaian sensor pada alat ini menggunakan sensor infrared switch E18-D80NK untuk menghitung objek dan untuk mendeteksi objek yang sudah disesuaikan pada program. Sensor Infrared Switch E18-D80NK merupakan input dari sistem yang akan dibaca oleh mikrokontroler Arduino Uno. Pada sensor Infrared Switch E18-D80NK tersebut merupakan sensor digital yang akan dibaca melalui pin digital. Skematik Rangkaian dari sensor dan Arduino Uno dapat dilihat pada Gambar 3.

Gambar 2. Perancangan Posisi Sensor Pada Alat Penghitung

Perancangan sistem ini menjelaskan tentang peletakkan sensor pada alat penghitung jumlah orang yang masuk melewati pintu secara bersamaan yang dapat digunakan dalam sistem, diawali dengan analisa ukuran pintu yang sesuai dengan sebenarnya yaitu 200 cm x 190 cm. Setelah itu peneliti melakukan analisa ukuran lebar tubuh manusia yang dimana nilai ukuran Fakultas Ilmu Komputer, Universitas Brawijaya

Gambar 3. Rancang Rangkaian Sensor Infrared E18-D80NK dengan Mikrokontroler


Berdasarkan Gambar 3 diatas dapat disimpulkan bahwa jika rangkaian sensor infrared switch digabung akan membentuk suatu rangkaian penghitung jumlah orang yang masuk dan mengetahui banyaknya orang yang melewati sensor atau berdasarkan pancaran radiasi inframerah dari sensor infrared switch E18D80NK. Pada rangkaian tersebut bertujuan agar ketika sensor infrared switch mendeteksi keberadaan pengunjung dapat diproses melalui Arduino dan ditampilkan melalui serial monitor. Pada rangkaian tersebut modul sensor infrared switch memiliki 3 pin yang terdiri dari pin Vin, Vout, dan GND. Pin Vin pada modul sensor infrared terhubung melalui kabel jumper menuju pin digital pada arduino, serta pin Vcc dan GND terhubung melalui kabel jumper menuju pin 5V dan GND pada arduino.

925 Mulai

A Inisialisasi pin sensor, inisialisasi laststate dan state

Pengambilan nilai pre_peluang1, pre_peluang2, pre_peluang3, dan evidence

F F

Pre_peluang1/ evd<pre_peluang2/ evd

T

Hitung=2

F

Pre_peluang1/evd F

If(state==LOW|||state1==LOW||state5==LOW ||state3==LOW||state4==LOW||state2==LOW ||flagsensor==true)

T

Hitung=1

T

Hitung=3

F

Temp<pre_peluang3/ evd

T

If(state==HIGH&&|state1==HIGH&&state5== HIGH&&state3==HIGH&&state4==HIGH&&st ate2==HIGH&&flagsensor==true)

Jumlah orang

Selesai

3.2 Perancangan Perangkat Lunak Pada sistem ini, perancangan perangkat lunak dilakukan meliputi program Arduino untuk pembacaan nilai dari sensor infrared switch E18D80NK oleh mikrokontroler Arduino Uno. Kemudian pada program metode Bayes untuk menghitung akurasi orang yang masuk melewati pintu dan dapat mengetahui jumlah orang yang masuk. Nilai dari sensor yang dibaca oleh mikrokontroler Arduino Uno kemudian dikirimkan serial ke computer sebagai data hasil. Ketika semua berhasil di proses menggunakan metode klasifikasi Bayes, kemudian hasil dari klasifikasi Bayes akan ditampilkan pada serial monitor. Pada Gambar 4 menjelaskan tentang sistem penghitung jumlah orang yang masuk melewati pintu menggunakan infrared dan klasifikasi Bayes. Dapat dilihat inisialisasi masing-masing pin sensor, lalu jika sensor di beri inputan berupa halangan objek pada sensor infrared maka data hasil sensing sensor tersebut di ambil untuk diolah menggunakan perhitungan klasifikasi Bayes. Lalu hasil perhitungan klasifikasi Bayes dibandingkan dengan nilai peluang tiap kelas yaitu: pada pre_peluang1, pre_peluang2, dan pre_peluang3. Jika nilai pre_peluang tiap kelas sudah dibandingkan maka akan menghasilkan jumlah orang yang masuk melewati pintu, dan akan menampilkan pada serial monitor.


T Pengambilan nilai sensor

A

Gambar 4. Diagram Alir Proses Perangkat Lunak

3.3 Perancangan Klasifikasi Bayes Pada Gambar 5 menjelaskan tentang sistem perhitungan klasifikasi Bayes dapat dilihat bahwa masukan awal adalah nilai dari hasil pembacaan sensor. Hasil dari pembacaan sensor tersebut yang akan menjadi atribut atau fitur yang akan mempengaruhi penentuan klasifikasi, selain itu hasil dari klasifikasi juga dipengaruhi oleh nilai data latih. Proses dimulai dari menentukan hasil dari fungsi Likelihood, fungsi Prior, fungsi Evidence, dan fungsi Posterior. Setelah itu, akan ditentukan hasil peluang yang ada sampai didapatkan hasil klasifikasi jumlah orang yang masuk melewati pintu.


926

Gambar 7. Hasil Pengujian Orang Lewat Menggunakan Sensor Infrared

Gambar 5. Diagram Alir Perhitungan Klasifikasi Bayes

4. PENGUJIAN DAN ANALISIS 4.1 Pengujian Fungsionalitas Pengujian dilakukan untuk menguji fungsi dari sisi perangkat keras pada sistem ini untuk mengetahui seberapa akurat hasil deteksi. Pada pengujian sensor infrared kali ini dilakukan dengan cara mendeteksi objek dan menghitung objek dengan menggunakan metode klasifikasi Bayes.

Pada Gambar 6 menjelaskan tentang gambar pengujian pada pintu yang menggunakan 1 orang yang masuk melewati sensor infrared. Pada Gambar 7 merupakan hasil yang didapat ketika menguji keberhasilan penghitung jumlah orang yang masuk melewati pintu. Hasil yang didapat adalah orang dapat terdeteksi oleh sensor infrared, sehingga jumlah pada sistem bertambah. Namun dengan metode klasifikasi Bayes yang dimana hasil deteksi pada setiap sensor tersebut. Akan diproses menggunakan perhitungan klasifikasi Bayes dan hasil tersebut, dapat menghitung jumlah orang yang lewat pintu dengan hasil jumlah orang yang masuk. 4.2 Pengujian Waktu Pemrosesan Sistem Pengujian waktu pemrosesan sistem ini diperlukan, karena untuk mengetahui seberapa cepat sistem dalam memproses atau mengolah nilai-nilai sensor dan melakukan perhitungan dengan metode Bayes sampai menampilkan hasil pada serial monitor. Tabel 1. Hasil Pengujian Waktu Pemrosesan Sistem

Gambar 6. Pengujian Orang Lewat Menggunakan Sensor Infrared


No

Data Ke-

Waktu Pemrosesan (ms)

1

Data Ke–1

768.00

2

Data Ke–2

601.00

3

Data Ke–3

601.00

4

Data Ke–4

599.00

5

Data Ke–5

716.00

6

Data Ke–6

767.00

7

Data Ke–7

602.00


8

Data Ke–8

770.00

9

Data Ke–9

602.00

10

Data Ke-10

766.00

Rata – rata

679.2

Gambar 8. Hasil Pengujian Waktu Pemrosesan Sistem

Pada Tabel 1 menjelaskan tentang pengujian waktu pemrosesan sistem di atas dapat dilihat bahwa dalam mengolah nilai sensor hingga menghasilkan hasil klasifikasi dan ditampilkan di serial monitor mempunyai waktu rata-rata sebesar 679,2 ms atau sekitar 0,6792 detik. Dibawah ini merupakan tampilan dari salah satu pengujian waktu pemrosesan sistem dan ditampilkan melalui serial monitor yang ada dalam Arduino IDE. 4.3 Pengujian Akurasi Hasil Klasifikasi Bayes Pengujian ini untuk pencarian banyaknya nilai peluang yang akan dipergunakan pada metode Bayes, pengujian dapat dijabarkan pada penjelasan dibawah ini. Tabel 2. Data Uji dan Hasil Pengujian Metode Bayes

A 1

A 2

A 3

A 4

A 5

A 6

1 0

0 0

0 1

0 0

0 0

0 0

Jumah Orang Dat a Asli 1 1

0

1

0

0

0

0

1

2

0

0

0

1

1

0

1

1

0

0

1

1

0

0

1

3

0

0

0

0

1

1

1

1

Data Uji

Data Baye s 1 1

Keteranga n Sesuai Sesuai Tidak sesuai Sesuai Tidak sesuai Sesuai


927

0

0

0

0

0

1

1

2

0

1

0

0

0

0

1

2

0 1 0

1 1 0

1 0 0

0 0 0

0 0 1

0 0 0

1 1 1

1 1 1

0

1

0

0

0

0

1

2

0 0

0 0

0 0

0 1

1 0

1 0

1 1

1 1

0

0

1

1

0

0

2

3

1 0 0 0 0 0 1 1 0 0 1 0

1 0 1 0 0 1 0 0 0 0 1 0

0 1 0 1 1 1 1 0 1 0 0 1

0 1 1 1 1 0 1 0 0 1 1 1

1 0 1 1 1 0 0 1 1 1 1 1

1 1 0 0 1 1 0 1 1 1 0 0

2 2 2 2 2 2 2 2 2 2 2 2

2 2 2 2 2 2 2 2 2 2 2 2

1

0

0

1

0

0

2

3

0 1

0 0

1 0

0 0

1 0

0 1

2 2

2 2

0

1

0

1

0

0

2

3

0 1

0 1

1 1

0 0

0 0

1 0

2 2

2 2

0

1

0

0

1

0

2

3

1

0

1

0

0

0

2

2

1

0

0

1

1

0

2

3

0

0

1

0

1

1

2

3

0 0 0 1 1 1 1 1 0 1 1 0 1 1 1 0

0 0 1 1 0 1 1 1 1 0 0 1 0 1 0 1

1 1 0 0 1 1 1 1 1 1 0 0 1 0 1 0

0 1 1 1 1 1 0 0 1 1 1 1 1 1 0 1

0 1 1 1 1 1 1 0 1 1 1 1 0 0 1 1

1 1 0 1 0 1 0 1 1 1 1 1 1 1 1 1

2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3

2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3

Tidak sesuai Tidak sesuai Sesuai Sesuai Sesuai Tidak sesuai Sesuai Sesuai Tidak sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Tidak sesuai Sesuai Sesuai Tidak sesuai Sesuai Sesuai Tidak sesuai Sesuai Tidak sesuai Tidak sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai

Pada Tabel 2 menjelaskan tentang hasil pengujian yang dilakukan terlihat bahwa dari jumlah 53 data terdapat 11 hasil dari sistem yang tidak sesuai dengan kelas klasifikasi sebenarnya, sehingga akurasi yang diperoleh sistem klasifikasi jumlah orang yang masuk melewati pintu dengan menggunakan metode Bayes adalah sebesar 79,24%. Berikut ini adalah prosesn perhitungan akurasi dari sistem


klasifikasi jumlah orang yang masuk melewati pintu. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = =

𝐷𝑎𝑡𝑎 𝑠𝑒𝑠𝑢𝑎𝑖 𝑇𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎

× 100%

42 × 100% = 79,24% 53

5. KESIMPULAN Berdasarkan pada perancangan, implementasi dan hasil pengujian yang telah dilakukan, terdapat kesimpulan sebagai berikut: 1. Pada penelitian ini dibuat sistem otomasi untuk menghitung jumlah orang yang masuk melewati pintu dengan menggunakan metode Bayes, dimana semua perangkat yang digunakan serta metode Bayes pada penelitian ini dapat berjalan dengan baik dan sesuai dengan keinginan peneliti. Terbukti bahwa sistem dapat mengklasifikasi jumlah orang yang masuk yang melewati pintu. 2. Pada penelitian ini sistem otomasi untuk menghitung jumlah orang yang masuk melewati pintu dengan menggunakan metode Bayes diambil berdasarkan lebar tubuh manusia. Tingkat akurasi yang diperoleh Rancang Sistem Penghitung Jumlah Orang Yang Melewati Suatu Pintu dengan menggunakan Metode Bayes dengan menggunakan data latih 160 data data uji 53 data adalah 79,24%. 3. Pada pengujian waktu pemrosesan sistem, dalam mengolah nilai sensor hingga menghasilkan hasil klasifikasi dan ditampilkan di serial monitor mempunyai waktu rata-rata sebesar 679,2 ms atau sekitar 0,6792 detik. Terdapat beberapa saran yang ditujukan untuk peneliti selanjutnya dengan tujuan agar dapat mengembangkan lebih lanjut penelitian ini. Di antara lain adalah sebagai berikut: 1. Menggunakan sensor yang lebih banyak atau mengganti sensor lain untuk mendeteksi jumlah orang yang masuk dengan tujuan, agar dapat meningkatkan keakuratan pembacaan sensor pada penghitung jumlah orang tersebut. 2. Sistem ini dapat dikembangkan lagi dengan menambahkan komponen lain seperti sensor PIR atau sensor yang dapat mendeteksi suhu makhluk hidup, supaya dapat membedakan orang yang masuk melewati pintu. 3. Menggunakan metode klasifikasi lain dengan tujuan untuk mengetahui Fakultas Ilmu Komputer, Universitas Brawijaya

928

perbandingan antara metode manakah yang mempunyai tingkat akurasi yang lebih tinggi dalam hal pengambilan keputusan. 4. Menggunakan tampilan antarmuka melalui mobile apps, maupun di website. Sehingga dapat memudahkan untuk memonitoring pengunjung yang lewat pintu pada suatu ruangan. DAFTAR PUSTAKA Agung, R., 2012. Rancang Bangung Prototipe Penghitung Jumlah Orang Dalam Ruangan Terpadu Berbasis Mikrokontroler ATMega328P. Volume 11 No 1. Arduino, 2017. Spesifikasi Arduino Uno. [Online]: http://www.arduino.org/products/boards/ar duino-uno [Diaskes 03 February 2017] Central, e.-G. M., 2016. E18-D80NK IR sensor switch. [Online] Available at: http://egizmo.com/oc/kits%20documents/E18D80NK%20Long%20range%20adjustable %20IR%20sensor/E18D80NK%20Long%20range%20adjustable %20IR%20sensor.pdf [Diakses 04 Maret 2017] Cerdas, G., 2014. Sensor PIR. [Online] Available at: http://www.geraicerdas.com/sensor/pirsensor-detail [Diakses 03 February 2017] Chen, D. &. L. K., 2009. A Novel Viewer Counter for Digital Billboards. In: Proceedings of the 2009 Fifth International Conference on Intelligent Information Hiding and Multimedia Signal Processing. s.l.:s.n., pp. 653-656. Djuandi, F., 2011. Pengenalan Arduino. [Online] Available at: http://tobuku.com/docs/ArduinoPengenalan.pdf Fatta, H. A., 2009. Rekayasa Sistem Pengenalan Wajah. Yogyakarta: Andi Offset. Hidayat, W., 2013. Program Pendeteksi Dan Penghitung Jumlah Pengunjung Dengan Pengolahan Citra Digital Menggunakan Webcam. Volume 1 No 4. JP. Holman. 1985. Metode Pengukuran Teknik Edisi Ke 4 . Jakarta. Erlangga.


Kazuhiko Hashimoto, M. Y. S. M. K. M., 1997. Development Of People Counting System With Human Information Sensor Using Multi Element Pyroelectric Infrared Array Detector. Maulidiya, L., 2012. Penghitung Jumlah Pengunjung Ruang Pertunjukan Sirkus Berbasis Mikrokontroler AT89S51. Michael, M., 2011. Arduino Cookbook. United States of America: O'Reilly Media, Inc. Nilamsari, E., 2010. Penghitung Jumlah Orang Lewat Dengan Metode Normalized SUMSQUERED Differences NSSD. Parallax, 2017. Parllax Inc. [Online] Available at: https://www.parallax.com/product/55528027 [Diakses 03 Maret 2017]Prasetyo, E., 2012. Data mining konsep dan aplikasi menggunakan MATLAB. Yogyakarta: Andi Offset. Prasetyo, E., 2012. Data mining konsep dan aplikasi menggunakan MATLAB. Yogyakarta: Andi Offset. Roebuck, J., 1995. Antropometric Methods : Designing to Fit Human Body. In: USA: Human Factors and Ergonomics Society. Webb, G. I., 2010. Ecyclopedia of Machine Learning. Boston: Springer US. Wignjosoebroto, S., 2000. Ergonomi, Studi Gerak dan Waktu. Pertama ed. Jakarta: Gunawidya.


929

Rancang Bangun Sistem Penghitung Jumlah Orang Melewati Pintu menggunakan Sensor Infrared dan Klasifikasi Bayes

Recommend Documents