PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN LONG SHORT TERM MEMORY (LSTM) UNTUK PENGENALAN AKTIVITAS MANUSIA PADA CCTV DI AREA TAMBAK UDANG

Abstract

Udang vaname merupakan komoditas perikanan yang prospek dan profitnya yang sangat menjanjikan. Udang Vaname mulai masuk ke Indonesia pada tahun 2001. Menurut data dari GOAL 2019, nilai produksi udang vaname di Indonesia mencapai angka 400.000 ton per tahunnya dan luas tambak udang vaname di Indonesia sekitar 26.000 ha. Namun dari luasnya tambak yang ada di Indonesia ada potensi dimana tenaga manusia sulit untuk mengontrol kondisi tambak terutama pada saat malam hari tiba. Terkadang kejahatan yang dilakukan manusia tak dapat dihindari contoh saja seperti pencurian udang disaat masa panen hampir tiba. Penggunaan sistem kamera CCTV (Closed-Circuit Television) dapat menjadi alternatif sistem untuk membantu memantau kondisi pada area tertentu. Namun, pengunaan CCTV masih berfungsi sebagai sistem pemantauan pasif saja yang datanya hanya berupa video yang dapat di rekam ulang saja nantinya. Dengan perkembangan teknologi saat ini sebuah objek seperti manusia dapat dikenali dan di track menggunakan program pengenalan objek  serta tracking yang ditanamkan pada sebuah server dan diberi masukan menggunakan hasil video CCTV. Sebelum melakukan proses pengenalan aktivitas, sistem terlebih dahulu melakukan proses deteksi dan tracking manusia setelah itu hasil dari deteksi di proses menggunakan metode CNN dan LSTM. Hasil keluaran dari pengenalan aktivitas berupa label kelas pada objek yang ter-track.