Implementasi Algoritma Yolo untuk Monitoring Jumlah Mahasiswa dan Kontrol Otomatis pada Ruang Kelas
Abstract
Pengelolaan ruang kelas secara konvensional yang bergantung pada intervensi manual rentan terhadap human error dan menyebabkan inefisiensi penggunaan energi, serta menghasilkan data okupansi yang tidak akurat dan minimnya informasi status ruangan secara real-time. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan sebuah sistem terintegrasi untuk melakukan monitoring jumlah mahasiswa dan otomasi kontrol perangkat berbasis computer vision. Metodologi yang diterapkan mengintegrasikan algoritma deteksi YOLOv10s (dengan Confidence Score 0.4) yang dieksekusi pada GPU RTX 3050 TI, unit kontrol berbasis microcontroller ESP32 dengan sensor suhu DHT22, serta platform website yang dibangun menggunakan framework Flask dan terhubung dengan Firebase (Firestore untuk data historis dan Realtime Database untuk data real-time). Hasil pengujian menunjukkan sistem ini sangat efektif: dari sisi akurasi, sistem mencapai tingkat keberhasilan di atas 90% pada skenario statis, meskipun mengalami fluktuasi pada skenario dinamis akibat oklusi dan instabilitas jaringan yang memengaruhi total latensi. Secara fungsional, sistem kontrol otomatis untuk aktuator juga terbukti berjalan responsif dan andal. Dengan demikian, disimpulkan bahwa sistem yang diimplementasikan ini fungsional, andal, dan menawarkan solusi konkret untuk meningkatkan efisiensi energi. Penelitian ini juga berhasil menyajikan bukti konsep (proof of concept) dan referensi implementasi yang solid untuk sistem sejenis, dengan potensi pengembangan lebih lanjut pada penanganan oklusi yang lebih kompleks dan optimasi kinerja jaringan.
