Aspek safe and secure merupakan salah satu aspek terpenting dalam smart city. Smart
mobility seperti pada stasiun KAI juga merupakan bagian dari smart city sehingga aspek
safety and security dari fasilitasnya perlu dijaga berdasarkan parameter keamanan yang
berlaku. Upaya meningkatkan aspek safe and secure di stasiun KAI dapat dilakukan
dengan mendeteksi kegiatan yang mengganggu safe and secure secara otomatis dengan
menggunakan teknologi CCTV dan video analytics. Saat ini, ITB, KAI dan LPDP
sudah mengembangkan platform video analytics bernama VIANA. Namun, terdapat
aspek-aspek yang mengganggu safe and secure yang belum ditangani VIANA.
Penulisan Tugas Akhir ini bertujuan untuk menjawab masalah bagaimana cara
mengembangkan VIANA dengan menambahkan fitur deteksi aspek safe and secure
yang diperlukan VIANA seperti melempar benda, memanjat pagar, dan trespassing.
Output dari fitur-fitur ini menjadi index safe and secure yang digunakan untuk
menentukan tingkat safe and secure dari suatu daerah. Tugas Akhir ini berfokus pada
penambahan fitur deteksi melempar benda. Melempar benda merupakan salah satu
aktivitas berbahaya yang dapat terjadi di peron stasiun.
Tugas Akhir ini dikerjakan dengan metodologi Design for Six Sigma oleh Kosky. Alur
metodologi dimulai dari pendefinisian masalah yang ada yaitu adanya kasus orang
melempar barang di area peron yang dapat mengganggu keamanan pengunjung stasiun.
Selanjutnya, dilakukan eksplorasi untuk menentukan solusi video analytics dengan
kebutuhan fungsional dan nonfungsional yang dapat mendeteksi gerakan melempar
berdasarkan kecepatan pemrosesan dan kinerja GPU. Pada akhirnya, sebuah algoritma
OpenPose yang dapat menentukan gerakan berdasarkan posisi anggota tubuh terpilih
untuk mendeteksi gerakan. Sebuah model juga sudah didapatkan untuk menjadi dasar
dari inferencing yang dilakukan fitur deteksi gerakan melempar. Sebuah dashboard
juga dikembangkan untuk menampilkan seluruh hasil deteksi dari fitur melempar,
memanjat pagar, dan trespassing.
Fitur deteksi melempar sudah berhasil dijalankan pada VIANA dan digunakan untuk
mendeteksi aksi melempar pada peron stasiun KAI. Berdasarkan pengujian, fitur dapat
dijalankan untuk waktu lama tanpa henti dengan kinerja GPU dan memori yang cukup
rendah. Fitur juga dapat mendeteksi gerakan melempar dengan presisi, recall, dan
akurasi yang cukup baik. Ini membuktikan bahwa fitur deteksi melempar sudah dapat
digunakan oleh KAI. Walau begitu, fitur deteksi melempar masih dapat dikembangkan
dengan menambahkan dataset berupa foto untuk aksi lain seperti menelepon serta
menambahkan foto dari berbagai sudut kamera dan pencahayaan. Hal lain yang perlu
diperhatikan untuk kelancaran deteksi adalah jaringan yang stabil dalam mengambil
data stream dari CCTV.