SISTEM PENGHITUNG JUMLAH ORANG PADA KERUMUNAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

MIFDHAL RAFINANDA, Dr. Mardhani Riasetiawan, SE Ak., M.T

2025 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI

Indonesia memiliki kepadatan penduduk yang tinggi, yang berdampak pada meningkatnya kerumunan di area publik, terutama di kota-kota besar. Kerumunan di area publik dapat menimbulkan berbagai masalah sehingga diperlukan sistem monitoring yang efektif. Salah satu solusi yang diusulkan adalah Crowd Counting berbasis Convolutional Neural Network (CNN), yang mampu mengestimasi jumlah individu dalam kerumunan secara akurat.

Penelitian ini menggunakan model Multi-Column CNN (MCNN) untuk mengatasi tantangan dalam sistem Crowd Counting, yakni variasi ukuran dan jumlah piksel kepala akibat perspektif kamera. Model MCNN beserta tiga arsitektur yang terkandung dialamnya diuji menggunakan dataset ShanghaiTech dan Nol KM.

Dari hasil pengujian yang ada, Hasil uji model MCNN menggunakan dataset ShanghaiTech, Part A & Part B, menghasilkan 110 MAE dan 152 RMSE pada Part A, serta 27 MAE dan 32 RMSE pada Part B. Hasil uji model menggunakan 100 dataset Nol KM menghasilkan 8 MAE dan 10 RMSE.

Indonesia has a high population density, which leads to increased crowd gatherings in public areas, especially in major cities. Crowds in public areas can cause various issues, so an effective monitoring system is necessary. One proposed solution is a Crowd Counting system based on a Convolutional Neural Network (CNN), which can accurately estimate the number of individuals in a crowd.

This research utilizes Multi-Column CNN (MCNN) to address challenges in the Crowd Counting system, specifically variations in head size and pixel count caused by camera perspective. The MCNN model and its three embedded architectures were tested using ShanghaiTech and Nol KM datasets.

Based on the results of the tests, Evaluation of MCNN model using the ShanghaiTech dataset, Part B and Part A, resulted in 110 MAE and 152 RMSE for Part A, and 27 MAE and 32 RMSE for Part B. Testing MCNN model using 100 Nol KM dataset samples resulted in 8 MAE and 10 RMSE.

Kata Kunci : MCNN, Kerumunan, Kepala, Crowd, Head, Heatmap, CNN, MAE, RMSE