Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Hidayat, Hanif Ulunnuha
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengembangan Sistem Penghitungan Penumpang Otomatis dalam Kondisi Wajah Penumpang yang Dikaburkan Menggunakan Algoritma YOLOv8 dan ByteTrack Hidayat, Hanif Ulunnuha; Perdana , Rizal Setya; Kusyanti, Ari
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada era modern, penghitungan penumpang secara otomatis menjadi kebutuhan penting, terutama pada sektor transportasi umum, untuk meningkatkan efisiensi operasional sekaligus menjaga privasi individu. Penelitian ini bertujuan mengembangkan sistem penghitungan penumpang otomatis berbasis algoritma YOLOv8 dan ByteTrack yang dilengkapi dengan teknik anonimisasi wajah melalui pengaburan untuk melindungi privasi. Permasalahan yang dikaji meliputi tantangan dalam deteksi yang akurat dan pelacakan objek pada kondisi lingkungan yang kompleks, seperti kepadatan penumpang dan wajah yang dikaburkan. Metode penelitian ini melibatkan pemrosesan dataset video penumpang menggunakan YOLOv8 untuk deteksi objek dan ByteTrack untuk pelacakan. Hasil evaluasi sistem penghitungan penumpang menggunakan kombinasi algoritma ByteTrack dan YOLOv8 pada dataset dengan wajah yang dikaburkan menunjukkan kinerja dengan nilai MOTA sebesar 0,820 dan MOTP sebesar 0,103. Meskipun terdapat sedikit penurunan MOTA sebesar 0,015 dibandingkan dengan dataset tanpa pengaburan wajah, secara keseluruhan sistem tetap mampu melacak objek dengan akurasi yang sebanding. Selain itu, metrik recall dan F1-score untuk penghitungan objek juga mengalami penurunan yang tidak signifikan, yaitu masing-masing menjadi 0,925 dan 0,958. Namun, metrik precision tetap tidak mengalami perubahan pada nilai 1,000, yang menunjukkan bahwa sistem masih mampu menghitung objek dengan performa yang sama baik seperti pada dataset wajah yang tidak dikaburkan.
Co-Authors Ari Kusyanti Perdana , Rizal Setya