IMPLEMENTASI METODE DEEP LEARNING MOBILENET SSD DALAM MENGHITUNG JUMLAH PELANGGAN PADA TOKO BANGUNAN RAHAYU GYBSUM

Abstract

Deteksi manusia adalah proses identifikasi dan penghitungan individu dalam sebuah gambar atau video menggunakan teknik dan algoritma pengolahan citra dan pembelajaran mesin. Tujuan dari penelitian ini adalah untuk memahami tren penjualan serta pola musiman dengan memeriksa data pelanggan yang datang dan total transaksi dalam kurun waktu tujuh hari. Data pelanggan diperoleh melalui rekaman kamera video CCTV yang dipasang di toko bangunan Rahayu Gybsum, sementara total transaksi terjadi di toko tersebut. Penghitungan pelanggan menggunakan metode Deep Learning dengan kerangka deteksi objek SSD (Single Shot Detector) dan arsitektur MobileNet. Perpustakaan yang digunakan untuk menghitung jumlah pelanggan di toko meliputi OpenCV, Pandas, Numpy, Dlib, dan Imutils. Selanjutnya, jumlah pelanggan yang datang di toko akan dibandingkan dengan jumlah transaksi yang terjadi pada saat yang sama untuk menghitung tingkat konversi. Hasil dari sistem pendeteksian pelanggan ini adalah visualasiasi tren penjualan yang terjadi secara berkala. Selain itu, analisis time series juga dilakukan untuk mengidentifikasi pola data dan memprediksi tindakan yang perlu diambil di masa depan. Penelitian ini menemukan bahwa jumlah pelanggan tidak selalu sejalan dengan pola transaksi. Hasil prediksi dengan menggunakan holt-winter itu menunukkan kisaran 45-65 untuk Conversion Rate nya. Rasio konversi yang dianalisis memiliki karakteristik yang dinamis dan sulit diprediksi secara akurat dalam jangka panjang.