IMPLEMENTASI DETEKSI DAN PELACAKAN MANUSIA PADA SISTEM PEMANTAUAN KEAMANAN BERBASIS YOLOv3-TINY

AFANDI, MUKHAMAD FAISHOL ALI (2025) IMPLEMENTASI DETEKSI DAN PELACAKAN MANUSIA PADA SISTEM PEMANTAUAN KEAMANAN BERBASIS YOLOv3-TINY. S1 thesis, Universitas Mercu Buana.

Preview	Text (HAL COVER) 01 COVER.pdf Download (431kB) | Preview
	Text (BAB I) 02 BAB 1.pdf Restricted to Registered users only Download (299kB)
	Text (BAB II) 03 BAB 2.pdf Restricted to Registered users only Download (585kB)
	Text (BAB III) 04 BAB 3.pdf Restricted to Registered users only Download (667kB)
	Text (BAB IV) 05 BAB 4.pdf Restricted to Registered users only Download (894kB)
	Text (BAB V) 06 BAB 5.pdf Restricted to Registered users only Download (169kB)
	Text (DAFTAR PUSTAKA) 07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (178kB)
	Text (LAMPIRAN) 08 LAMPIRAN.pdf Restricted to Registered users only Download (283kB)

Abstract

The high incidence of theft in Indonesia highlights the urgent need to address security issues more effectively. One of the primary devices used in security systems is surveillance or monitoring cameras. However, conventional cameras remain passive, lacking the ability to classify objects or respond to movements in real-time. This situation highlights the need for an intelligent monitoring system capable of performing automatic object detection and tracking. This study presents the development of an automated monitoring device based on computer vision that can detect human objects and track their movement in real-time. The system integrates a camera as the input sensor, a Raspberry Pi as the processing unit, and a servo motor as the movement actuator. Object detection is performed using the YOLOv3-Tiny algorithmm, specifically trained to recognize human figures. Object position prediction in subsequents frames is carried out using the Kalman Filter, while a PID controller is implemented to ensure smooth and adaptive servo movement. Experimental result show that under daylight conditions, the system is capable of detecting multiple individuals simultaneously with an average confidence of 71% (case study with three people). The combination of the Kalman Filter and PID controller enables the servo motor to move stably and track the object’s position with reasonable accuracy. This system is not only relevant as a solution for active security applications but also holds potential for further development in autonomous monitoring and vision komputer based robotic system. Keywords : YOLO, Kalman Filter, PID Controller, Real-time, Security System, Camera, Raspberry Pi, Servo Motor Tingginya angka kasus pencurian di Indonesia menjadikan keamanan sebagai isu penting yang perlu ditangani secara serius. Salah satu perangkat utama dalam sistem keamanan adalah kamera pengawas atau kamera pemantauan. Namun, kamera konvensional masih bersifat pasif karena tidak memiliki kemampuan untuk mengklasifikasikan objek atau merespons pergerakan secara real-time. Hal ini memunculkan kebutuhan akan sistem pengawasan cerdas yang mampu melakukan deteksi dan pelacakan objek secara otomatis. Penelitian ini mengembangkan alat pemantauan otomatis berbasis visi komputer yang mampu mendeteksi objek manusia dan mengikuti pergerakannya secara real-time. Sistem ini dibangun dengan mengintegrasikan kamera sebagai input, Raspberry Pi sebagai unit pemrosesan, serta motor servo sebagai aktuator penggerak. Proses deteksi menggunakan algoritma YOLOv3-Tiny yang dilatih khusus untuk mengenali objek manusia, sedangkan estimasi posisi objek pada state berikutnya menggunakan metode Kalman Filter. Untuk memastikan pergerakan kamera yang halus dan adaptif, sistem dilengkapi dengan kendali PID kontroler. Hasil pengujian menunjukkan bahwa pada kondisi siang hari, sistem mampu mendeteksi lebih dari satu orang secara bersamaan dengan rata-rata confidence sebesar 71% (studi kasus tiga orang). Dengan kombinasi antara Kalman Filter dan PID kontroler, pergerakan motor servo berjalan stabil dan mampu mengikuti posisi objek cukup akurat. Sistem ini tidak hanya relevan sebagai solusi dalam sistem keamanan aktif, namun juga memiliki potensi untuk dikembangkan lebih lanjut dalam aplikasi pemantauan otomatis dan sistem robotika berbasis visi komputer. Kata kunci : YOLO, Kalman Filter, PID kontroler, Real-time, Sistem Keamanan, Kamera, Raspberry Pi, Motor Servo

Item Type:	Thesis (S1)
Call Number CD:	FT/ELK. 25 096
NIM/NIDN Creators:	41421110013
Uncontrolled Keywords:	YOLO, Kalman Filter, PID Controller, Real-time, Security System, Camera, Raspberry Pi, Servo Motor
Subjects:	300 Social Science/Ilmu-ilmu Sosial > 360 Social Problems and Services/Permasalahan dan Kesejahteraan Sosial > 363 Other Social Problems and Services/Masalah dan Layanan Sosial Lainnya > 363.1 Public Safety Programs/Program Keamanan Umum 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan > 621.3 Electrical Engineering, Lighting, Superconductivity, Magnetic Engineering, Applied Optics, Paraphotic Technology, Electronics Communications Engineering, Computers/Teknik Elektro, Pencahayaan, Superkonduktivitas, Teknik Magnetik, Optik Terapan, Tekn 700 Arts/Seni, Seni Rupa, Kesenian > 770 Photography and Photographs/Seni Fotografi dan Foto > 771 Techniques and Procedures/Teknik Seni Fotografi dan Foto, Prosedur Seni Fotografi dan Foto > 771.3 Cameras and Accessories/Kamera dan Asesoris Kamera > 771.32 Specific Types of Cameras/Tipe Kamera
Divisions:	Fakultas Teknik > Teknik Elektro
Depositing User:	Pandu Risdiyanto
Date Deposited:	26 Sep 2025 01:17
Last Modified:	26 Sep 2025 01:17
URI:	http://repository.mercubuana.ac.id/id/eprint/98284

Actions (login required)

View Item