Deteksi dan Pengenalan Objek Manusia Pada Sistem Monitoring Rumah

Abstract

The development of science and technology in various sectors has caused the need for monitoring systems to increase. A monitoring system is implemented with the aim of increasing security and productivity. Some public services that use monitoring systems for security aspects are shopping and education centers, offices, banking, stations, airports, and highways. Examples of monitoring systems in productivity aspects are in the industry where management can monitor the production activities of workers, control instrumentation processes, machinery installations, and others. In addition to public services or public places, one of the places that uses a monitoring system for security aspects is the house. Home members will find it easier to monitor home security with a monitoring system. Therefore, this study uses the Histogram of Oriented Gradient method to detect human presence that is applied in a home monitoring system and recognize human objects that are detected by the Learning Vector Quantization method. This study uses an IP camera with the aim of minimizing the costs required for home monitoring system technology because a standard IP camera when compared to a CCTV that is able to detect motion will be very far in comparison to the cost. The test results of this study indicate the Histogram of Oriented Gradient method can detect human objects well and Learning Vetor Quantization can recognize objects with an accuracy level of 85%.

Berkembangnya ilmu pengetahuan dan teknologi di berbagai sektor menyebabkan kebutuhan sistem monitoring semakin meningkat. Sistem monitoring diterapkan dengan tujuan untuk meningkatkan keamanan dan produktivitas. Beberapa layanan publik yang menggunakan sistem monitoring untuk aspek keamanan yaitu pusat perbelanjaan dan pendidikan, perkantoran, perbankan, stasiun, bandara, dan jalan raya. Contoh sistem monitoring dalam aspek produktivitas yaitu pada sektor industri dimana manajemen dapat memantau aktivitas produksi para pekerja, mengontrol instrumentasi proses, instalasi permesinan, dan lain-lain. Selain layanan publik atau tempat umum, salah satu tempat yang menggunakan sistem monitoring untuk aspek keamanan adalah rumah. Anggota rumah akan lebih mudah memantau keamanan rumah dengan adanya sistem monitoring. Oleh karena itu, penelitian ini menggunakan metode Histogram of Oriented Gradient untuk mendeteksi keberadaan manusia yang diaplikasikan dalam sistem monitoring rumah dan mengenali objek manusia yang terdeteksi dengan metode Learning Vector Quantization. Penelitian ini menggunakan IP camera dengan tujuan untuk meminimalisir biaya yang diperlukan untuk teknologi sistem monitoring rumah karena IP camera standar jika dibandingkan dengan CCTV yang mampu mendeteksi gerakan akan sangat jauh perbandingan biayanya. Hasil pengujian dari penelitian ini menunjukkan metode Histogram of Oriented Gradient dapat mendeteksi objek manusia dengan baik dan Learning Vetor Quantization dapat mengenali objek dengan tingkat akurasi sebesar 85%.