Pengembangan CCTV Pendeteksi Keberadaan Manusia Berbasis Algoritma YOLO Beserta Penjelasan Prediksi dengan Metode LIME

Abstract

Pengembangan CCTV pendeteksi keberadaan manusia berbasis algoritma YOLO (You Only Look Once) merupakan sebuah inovasi yang menggabungkan teknologi pengawasan dengan kecerdasan buatan untuk meningkatkan efektivitas pemantauan. Sistem ini menggunakan Algoritma YOLO, sebuah pendekatan deep learning yang memungkinkan dapat mendeteksi objek secara real-time dengan akurasi tinggi. Dengan memanfaatkan keunggulan YOLO dalam mendeteksi objek secara cepat dan tepat, pengawasan melalui CCTV menjadi lebih bermanfaat. Selain itu, sistem ini juga melibatkan Metode LIME (Local Interpretable Model-agnostic Explanations) untuk menjelaskan prediksi yang dihasilkan oleh algoritma. LIME memungkinkan interpretasi hasil deteksi objek dengan memberikan penjelasan yang dapat dipahami oleh manusia, sehingga memperkuat kepercayaan pengguna terhadap keakuratan dan relevansi hasil deteksi yang diberikan oleh sistem. Sistem CCTV pendeteksi keberadaan manusia berbasis algoritma YOLO dengan penjelasan prediksi menggunakan metode LIME menandai kemajuan signifikan dalam pemantauan kehadiran para pegawai. Dengan memadukan ketepatan deteksi objek oleh YOLO dan kemampuan interpretatif LIME, pengguna sistem dapat memahami dengan jelas mengapa suatu objek diidentifikasi. Hal ini tidak hanya meningkatkan kecepatan respons dalam penghitungan jumlah objek dalam suatu ruangan tetapi juga memungkinkan pengoptimalan sumber daya keamanan secara efisien. Sistem ini diharapkan dapat memberikan solusi cerdas dan terpercaya untuk meningkatkan kualitas kehadiran pekerja dalam suatu perusahaan serta memanfaatkan teknologi terkini dalam bidang kecerdasan buatan.

The development of human presence detection CCTV based on the YOLO (You Only Look Once) algorithm is an innovation that combines surveillance technology with artificial intelligence to increase monitoring effectiveness. This system uses the YOLO Algorithm, a deep learning approach that allows it to detect objects in real-time with high accuracy. By utilizing YOLO's advantage in detecting objects quickly and precisely, surveillance through CCTV becomes more useful. In addition, this system also involves the LIME (Local Interpretable Model-agnostic Explanations) method to explain the predictions generated by the algorithm. LIME allows interpretation of object detection results by providing explanations that can be understood by humans, thus strengthening user confidence in the accuracy and relevance of the detection results provided by the system. The YOLO algorithm-based human presence detection CCTV system with predictive explanation using the LIME method marks a significant advancement in employee attendance monitoring. By combining the accuracy of object detection by YOLO and the interpretive capabilities of LIME, system users can clearly understand why an object was identified. This not only improves the response speed in counting the number of objects in a room but also enables efficient optimization of security resources. The system is expected to provide an intelligent and detailed solution to the problem.