Perpustakaan Digital ITB

Tidak sedikit tindakan pengutilan yang terjadi di toko-toko di seluruh dunia, mengakibatkan kerugian yang tidak sedikit jumlahnya. Meskipun demikian, pelaku pengutilan jarang tertangkap. Dalam rangka melakukan pengutilan, pelaku biasanya akan menyembunyikan barang yang ingin diambil ke suatu tempat di tubuh mereka. Solusi yang ada saat ini masih tidak terlalu bisa mengatasi pengutilan. Video analytics bisa menjadi jawaban untuk melakukan pendeteksian otomatis apabila terjadi pengutilan. Sistem deteksi pengutilan ini akan dikembangkan menggunakan metodologi Kosky’s Design for Six Sigma. Untuk melakukan klasifikasi pengutilan, informasi-informasi yang dianggap relevan akan diekstrak dari video, lalu dimasukkan ke dalam suatu model klasifikasi. Informasi tersebut berupa kerangka pose manusia yang dideteksi, serta deteksi produk yang sedang dipegang. Kemudian, informasi tersebut dimasukkan ke dalam sebuah model klasifikasi time series. Sistem dikembangkan setelah dilakukan evaluasi terhadap beberapa calon model estimasi pose, deteksi objek, dan klasifikasi time series. Setelah dilakukan evaluasi, model estimasi pose yang dianggap paling sesuai adalah YOLOv8-pose, sedangkan untuk model deteksi objek adalah YOLOv8, dan model klasifikasi time series adalah LSTM. Sistem deteksi aktivitas mengutil yang dikembangkan mendapatkan accuracy sebesar 0.7188, precision sebesar 0.7333, recall sebesar 0.6875, dan F1 score sebesar 0.7097 pada evaluasi yang dilakukan di lingkungan simulasi.