Syntax Literate: Jurnal Ilmiah
Indonesia p�ISSN: 2541-0849 e-ISSN: 2548-1398
Vol. 7, No. 8, Agustus
2022
�
SMART MONITORING PATIENT DESIGN IN THE ISOLATION ROOM (CASE STUDY:
TELKOM UNIVERSITY DORMITORY WITH COMPUTER VISION)
Syarah Tazkiatun Nupus, Rd Rohmat Saedudin, Umar Yunan Kurnia Septo Hediyanto
Fakultas Rekayasa Industri, Universitas Telkom, Indonesia
Email: [email protected], [email protected], [email protected]
�
Abstrak
Melihat fenomena
pandemi Covid-19 saat ini, sangat penting untuk menerapkan protokol kesehatan dan mengadopsi kebiasaan new normal. Secara umum penelitian
ini bertujuan sebagai kontribusi Telkom
University dalam membantu
Government/pemerintah mengatasi
permasalahan pandemi ini. Selain itu
penelitian ini juga akan merancang Sistem Monitoring Pasien Covid-19
di area gedung asrama Telkom University. Dalam penelitian ini, penulis menggunakan
pendekatan metode konseptual hevner. Sedangkan metode yang digunakan untuk penyelesaian masalah yaitu dengan metode
M&S (Modeling and Simulation Research). Penelitian yang akan
dilakukan ini juga akan menghasilkan pembaharuan yaitu adanya peran monitoring pasien dengan aplikasi
teknologi computer vision tersebut
sehingga pasien Covid-19 dapat dimonitor secara real time tanpa melakukan kontak langsung. Penelitian ini memiliki nilai
strategis yang sangat besar
dan menawarkan solusi nyata bagi Government/ pemerintah khususnya pemerintah Jawa Barat yang sedang mengalami kesulitan terkait dengan penyediaan tempat untuk isolasi
mandiri.
Kata Kunci: smart
monitoring, isolation room, computer vision
�
Abstract
Seeing the current
phenomenon of the Covid-19 pandemic, it is very important to implement health
protocols and adopt new normal habits.�
In general, this research aims to contribute telkom
university in helping the government / government overcome this pandemic
problem. In addition, this research will also design a Covid-19 Patient
Monitoring System in the telkom university dormitory
building area. In this study, the authors used the approach of the hevner conceptual method. While the method used for problem
solving is the M&S (Modeling and Simulation Research) method. �The research that will be carried out will
also produce updates, namely the role of patient monitoring with the
application of this technology computer vision so that Covid-19 patients can be monitored in
real time without making direct contact. This research has enormous strategic
value and offers real solutions for the Government / government, especially the
West Java government which is experiencing difficulties related to providing
places for self-isolation.
Keywords: smart monitoring, isolation room, computer
vision
Pendahuluan
Melihat fenomena pandemi
Covid-19 saat ini, sangat penting untuk menerapkan
protokol kesehatan dan mengadopsi kebiasaan new normal.
Di masa pandemi, tidak sedikit dari kita
yang mudik untuk Idul Fitri misalnya. Kegiatan tersebut sangat berbahaya dalam penyebaran virus Covid-19. Berdasarkan
data yang diakses dari
situs Pikobar, Jawa Barat
(2/11/21) total kasus terkonfirmasi Covid-19
mencapai 705.875 kasus, dengan jumlah pasien
sembuh 689.810, pasien yang
masih dalam perawatan berjumlah 1.368. Dengan banyaknya pasien yang masih harus dilakukan perawatan di rumah sakit maka daya
dukung rumah sakit untuk penanganan
pasien Covid-19 mengalami kendala. Kementerian Kesehatan (Kemenkes)
mencatat, tingkat keterisian tempat tidur (BOR) rumah sakit
(RS) rujukan penanganan
virus corona Covid-19 secara nasional, rata-rata BOR RS
sebesar 4% pada Rabu (27/10/21). Ketua
harian satuan tugas penanganan Covid-19 Jabar, Daud Achmad memaparkan bahwa dalam upaya menurunkan
BOR rumah sakit, selama PPKM Darurat pemerintah provinsi meningkatkan kapasitas fasilitas isolasi di tingkat desa/ kelurahan dan fasilitas karantina terpusat selain rumah sakit
untuk pasien tanpa gejala hingga
bergejala sedang.
Saat ini, perkembangan ilmu pengetahuan dan teknologi mengikuti perkembangan zaman dan berkembang sangat pesat.� Salah satunya, dengan munculnya teknologi Computer
Vision, yaitu bidang ilmu yang mempelajari metode menangkap informasi numerik ataupun simbolik. Computer Vision juga merupakan konstruksi deskripsi eksplisit dan bermakna dari objek fisik dari gambar.
Pemahaman citra sangat berbeda dengan pengolahan citra, yang mempelajari
transformasi citra ke citra, bukan membangun deskripsi secara eksplisit
(Ballard, 1981). Beberapa
proses Computer Vision adalah penangkapan citra, peningkatan citra, segmentasi, ekstraksi fitur, dan klarifikasi (Szeliski, 2010). Teknologi Computer
Vision berbasis AI memungkinkan
masyarakat dalam melakukan pengawasan secara lebih optimal untuk menghadapi Covid-19. Seperti otak dan mata, Computer
Vision merupakan suatu
sistem yang mempunyai kemampuan untuk menganalisis objek secara visual, setelah objek yang bersangkutan dimasukkan dalam bentuk citra. Dengan
adanya perangkat sistem atau aplikasi
IoT Computer Vision ini yang akan diaktifkan atau digunakan untuk menurunkan akibat kemungkinan penyebaran dari Covid-19 kepada orang lainnya dengan cara melalui
diagnosis dini, memantau pasien yang terinfeksi, dan protokol setelah pemulihan pasien. Deteksi dan diagnosis dini dapat menyebabkan lebih sedikit infeksi
dan dapat menghasilkan layanan kesehatan yang lebih baik untuk
pasien yang terinfeksi
(Borgia, 2014). Penggunaan perangkat
tersebut akan sangat membantu dalam proses pengawasan. Karena dapat mendeteksi
perilaku masyarakat untuk memaksimalkan pencegahan terinfeksi Covid-19.
Sesuai dengan kebutuhan masyarakat di tengah-tengah wabah Covid-19 saat ini, teknologi
Computer Vision sangat membantu
dalam mengidentifikasi dengan cepat bagaimana
perilaku orang-orang selama
pandemi ini.
Sebelumnya sudah ada
beberapa penelitian yang telah dilakukan mengenai peran monitoring untuk medis menggunakan
Computer Vision dan juga mengenai perancangan isolasi center untuk kesehatan. Penelitian ini berjudul �Computer Vision digunakan
untuk Memantau Pemuda di
Masa Pandemi Covid-19� yang disusun
oleh (Afni, 2021). Dalam penelitian
ini, peneliti menggunakan sistem Computer Vision yang dapat
memantau suhu dan detak jantung citra
gambar manusia yang terscan melalui drone. Berdasarkan penelitian ini didapat bahwa
teknologi Computer Vision dapat
digunakan untuk memantau masyarakat dalam berperilaku secara normal sesuai protokol kesehatan. Penelitian lainnya berjudul �Covid-19 Isolation Center� disusun oleh (Institute of Architects Bangladesh, 2020). Penelitian ini menggunakan metode pengendalian infeksi,
dua faktor lingkungan yang penting yaitu isolasi dan ventilasi untuk meminimalkan infeksi
silang melalui droplet atau penularan kontak. Berdasarkan penelitian yang dilakukan dapat disimpulkan bahwa, pasien yang terinfeksi memerlukan perawatan, pusat isolasi ini juga memberikan dukungan medis dari berbagai
tingkatan kepada pasien rawat inap
tergantung pada ketersediaan
staf yang memenuhi syarat dan fasilitas perawatan.
Penelitian yang akan dilakukan
ini juga akan menghasilkan pembaharuan yaitu adanya peran
monitoring pasien dengan aplikasi teknologi tersebut sehingga pasien Covid-19 dapat dimonitor secara real time tanpa
melakukan kontak langsung. Penelitian ini memiliki nilai
strategis yang sangat besar
dan menawarkan solusi nyata bagi Government/ pemerintah khususnya pemerintah Jawa Barat yang sedang mengalami kesulitan terkait dengan penyediaan tempat untuk isolasi
mandiri.
Tujuan penelitian ini
secara umum merupakan kontribusi Telkom
University dalam membantu Government/ pemerintah
mengatasi permasalahan pandemi ini. Selain
itu penelitian ini juga akan merancang
Sistem Monitoring
Pasien Covid-19 di area gedung
asrama Telkom University. Secara khusus
penelitian ini diharapkan bisa menjadi rujukan atau model dalam merancang gedung/ tempat yang dapat digunakan sebagai tempat untuk isolasi
mandiri.
Metode Penelitian
Information System (IS)
design science research atau biasa
lebih dikenal dengan Metode Hevner
merupakan kerangka kerja penelitian sistem informasi yang menggabungkan paradigma perilaku sains dan ilmu desain untuk
pemahaman, pelaksanaan, dan
evaluasi penelitian sistem informasi. Terdapat tiga komponen
didalamnya yakni
Environment, IS Research dan Knowledge Base.
Dalam penelitian ini, penulis menggunakan pendekatan metode konseptual hevner. Sedangkan metode yang digunakan untuk penyelesaian masalah yaitu dengan metode
M&S (Modeling and Simulation Research). Modeling dan Simulation didefinisikan sebagai proses mendesain model dari sistem konseptual dan menggunakannya untuk melakukan percobaan dengan tujuan untuk
memahami kinerja sistem dan/atau mengevaluasi alternatif strategi manajemen dan proses pengambilan keputusan menggunakan hasil simulasi. Melalui penggunaan metode konseptual hevner dan metode Modeling dan
Simulation, penelitian ini dapat menghasilkan output yang sesuai dengan kebutuhan.
Hasil Dan Pembahasan
Hasil Simulasi
Simulasi
terhadap desain asrama computer
vision akan dilakukan berdasarkan dengan hasil gambaran dari perancangan yang telah dibuat pada Bab IV. Perancangan akan dilakukan dengan menggunakan software IP System Design Tool. Berikut hasil simulasi
desain yang telah dilakukan pada penelitian ini.
Hasil Desain Site Plan Asrama
Gambar 1
Desain Site Plan Simulasi
4 Kamera
Proses simulasi terhadap
desain asrama computer vision dimulai menggunakan software
IP System Design Tool. Proses dimulai dengan melakukan perancangan desain site plan
untuk pemasangan alat cctv computer vision dari denah asrama yang sudah dibuat menggunakan
software AutoCAD. Berdasarkan skenario
rancangan desain pada bab IV, Proses desain seperti gambar diatas menambahkan dinding seperti brick wall,
painted wall dan 4 buah alat
kamera computer vision. Pemasangan
dinding digambarkan dengan bold line hitam
yang menandakan pembatasan antara ruang kamar,
hall, maupun lobby. Dinding
ini nantinya akan mempengaruhi jangkauan dari penglihatan kamera cctv.
Setelah
perancangan site plan denah
asrama sesuai dengan desain yang sudah dibuat sebelumnya, dilanjutkan dengan penambahan alat untuk Computer Vision yaitu kamera cctv di beberapa tempat sesuai desain awal.
Pemasangan alat kamera Computer Vision berjumlah
4 kamera cctv sesuai rancangan pada bab IV yang dipasang dibeberapa titik yaitu dibagian hall kanan, hall kiri, dan di lobby
asrama. Dari hasil rancangan
menggunakan 4 kamera peneliti hanya dapat meng-cover beberapa area, tetapi dari segi
biaya hasil desain rancangan lebih hemat karena
hanya menggunakan 4 buah kamera cctv.
Pada Gambar V.1 penglihatan atau
coverage area dari kamera cctv digambarkan dengan beberapa warna. Warna merah
mempunyai arti bahwa sinyal visualisasi kamera sangat jelas, warna kuning penggambaran
sedikit lemah dibandingkan warna merah, sedangkan warna hijau menandakan
sinyal sangat lemah tetapi masih bisa
memvisualisasi jika ada pergerakan dari pasien yang ada diruangan tersebut.
Berdasarkan
hasil simulasi perancangan di atas didapatkan hasil yang kurang maksimal dikarenakan masih ada jangkauan area yang tidak tertangkap oleh alat kamera cctv
Computer Vision.� Dengan
itu diperlukan penambahan kamera cctv dan dilakukan simulasi skenario kedua setelah terjadinya
penambahan kamera cctv pada desain asrama.
Gambar 2
Desain Site Plan Simulasi
8 Kamera
Pada skenario kedua,
penambahan 4 buah kamera cctv dilakukan.
Pemasangan alat kamera computer vision berjumlah total menjadi 8 buah kamera cctv yang dipasang dibeberapa titik yaitu, 2 buah kamera cctv
di bagian hall kiri,
2 buah kamera untuk lobby(tengah), 1 buah kamera di tangga, 1 buah kamera dari arah
pintu masuk lobby
asrama, 1 buah kamera dari arah pintu
masuk lobby dan 1 buah
kamera dari sebelah hall kanan. Dengan pemasangan seperti pada Gambar V.2 beberapa
area yang sebelumnya tidak terjangkau saat hanya pemasangan 4 buah kamera cctv
menjadi telah terjangkau areanya dikarenakan kamera cctv tambahan. Penglihatan atau coverage
area dari kamera cctv warna merah
memiliki arti sinyal visualisasi kamera sangat jelas, warna kuning
sinyal penggambaran visualisasi kamera sedikit lemah dibandingkan
warna merah, sedangkan warna hijau menandakan sinyal sangat lemah tetapi masih bisa
memvisualisasikan jika ada pergerakan dari pasien yang ada diruangan tersebut.
Penempatan kamera cctv skenario kedua dipertimbangkan dari jarak range kamera yang digunakan agar bisa meng-cover
semua tempat yang ada di asrama Telkom University supaya
meminimalisir terjadinya blindspot. Dengan pertimbangan diatas, peneliti merasa pemasangan alat computer
vision kamera cctv pada
skenario kedua dirasa sudah tepat
dan lebih maksimal.
Hasil 3D Views Desain Asrama
Setelah
melakukan perancangan site
plan asrama dan pemasangan alat
cctv computer vision melalui
software IP System Design Tool, pada bagian 3D
views terdapat output hasil gambaran atau penglihatan dari computer vision kamera
cctv jenis static
yang telah ditempatkan sebelumnya.
Dari hasil desain site
plan diatas peneliti menambahkan sebanyak 8 buah kamera cctv
static pada asrama Telkom University. Untuk tipe kamera nya
sendiri peneliti menggunakan kamera jenis bullet. Alasan pemilihan jenis kamera bullet dikarenakan termasuk kamera cctv tipe fix yang nantinya menangkap gambar atau visualisasi
dari area asrama secara tetap. Tipe kamera
bullet mempunyai jangkauan
rekam yang jauh sesuai dengan kebutuhan
peneliti seperti untuk penempatan di bagian hall dari asrama
Telkom University.
Gambar 3
Kamera CCTV 1
Pada Gambar V.3 dapat dilihat
gambaran dari visualisasi pada cctv 1 hall
kiri. Dari arah hall
kiri saat pasien bergerak menuju ujung hall kiri maka semakin
jelas juga visualisasi dari pergerakan pasien, sedangkan ketika pasien bergerak
menuju arah lobby visualisasi makin mengecil dengan itu dibutuhkannya adanya alat computer vision kamera cctv yang berada di lobby untuk melanjutkan penglihatan dan memantau secara real-time dari pasien yang bergerak ke arah
lobby dari hall kiri
dan sebaliknya.
Gambar 4
Kamera CCTV 2
Berdasarkan
Gambar V.4 dapat dilihat gambaran dari visualisasi
pada cctv 2 hall kiri
dari arah lobby. Sebelumnya pada kamera cctv 1 ketika pasien
menjauh maupun bergerak menuju lobby dari arah ujung
hall kiri jangkauan visualisasi semakin kurang terlihat. Dengan adanya kamera
cctv 2 ini dapat membantu memvisualisasikan pasien yang bergerak dari arah
ujung hall kiri menuju lobby dan meminimalisir
terjadinya blindspot
saat beberapa pasien berpaspasan.
Gambar 5
Kamera CCTV 3
Sedangkan
pada Gambar V.5 diatas merupakan
gambaran visualisasi dari letak kamera
cctv 3 yang berada di ujung hall kanan gedung asrama. Sama halnya dengan cctv 1 dan 2, kamera cctv 3 ini
menangkap pergerakan pasien secara real-time tetapi dari arah
ujung hall kanan menuju arah lobby maupun ke arah
hall kiri.
Gambar 6
Kamera CCTV 4
Pada Gambar V.6 diatas merupakan
hasil visualisasi dari jangkauan kamera cctv 4 lobby yang memantau ke arah
ujung hall kanan. Dengan adanya cctv
ke 4 ini dapat membantu memvisualisasikan pasien yang bergerak dari arah
lobby menuju hall kanan
dan meminimalisir terjadinya
blindspot saat beberapa pasien berpaspasan. Kamera cctv 4 ini juga membantu menguatkan visualisasi dari kamera cctv 3 saat
pasien menuju lobby maupun menuju ujung
hall kanan.
Gambar 7
Kamera CCTV 5
Selanjutnya,
pada Gambar V.7 hasil visualisasi
dari jangkauan penglihatan kamera cctv 5 area lobby menuju arah hall kiri sama seperti halnya
kamera cctv 2. Bedanya dengan kamera cctv 2, kamera cctv 5 juga menangkap pasien yang bergerak ke arah
tangga. Dengan adanya kamera cctv
5 dapat meminimalisir terjadinya blindspot saat beberapa pasien
berbarengan menuju tangga, menuju hall kiri dan sebaliknya.
Gambar 8
Kamera CCTV 6
Pada Gambar V.8 dapat dilihat
hasil dari visualisasi kamera cctv 6 area lobby yang berada
di ujung dekat dengan ruang tamu.
Dengan adanya kamera cctv 6 ini
dapat membantu memvisualisasikan pasien yang berada di ruang tunggu/tamu yang terdapat di lobby dan memantau
pasien yang mau bergerak ke arah
tangga dan juga pasien yang
keluar dari hall kanan dan hall kiri gedung asrama.
Gambar 9
Kamera CCTV 7
Selanjutnya,
berdasarkan Gambar V.9 terdapat
kamera cctv 7 yang di letakan pada lobby yang mengarah
ke arah helpdesk
asrama dan juga memvisualisasikan ketika
ada pasien yang keluar dan masuk gedung asrama. Kamera cctv 7 membantu menguatkan hasil visualisasi dari kamera cctv 6 yang memperlihatkan ruang tunggu/tamu di lobby sehingga dapat meminimalisir adanya blindspot dan jangkauan
area lobby yang tidak ter-cover
oleh kamera cctv 6.
Gambar 10
Kamera CCTV 8
Terakhir
dapat dilihat pada Gambar
V.10 merupakan hasil visualisasi dari jangkauan kamera cctv 8 area lobby yang terletak
di atas dinding pintu masuk gedung
asrama. Kamera cctv 8 membantu memantau pasien yang masuk maupun keluar gedung
asrama dan juga membantu memperlihatkan
pasien yang menuju ke lantai 2 maupun
pasien yang baru saja turun dari
lantai 2. Kamera cctv 8 juga memvisualisasikan pasien yang keluar maupun yang akan menuju hall kanan dan hall
kiri asrama.
Hasil Tampilan NVR/DVR
View
Setelah
melihat tampilan visualisasi dari setiap kamera cctv
yang ada di asrama, untuk membantu memudahkan nakes maupun operator security
terhadap penjagaan dari pasien yang berada di asrama dibutuhkan DVR maupun NVR screen untuk memantau aktivitas pasien Covid-19 asrama Telkom University secara keseluruhan. Dapat dilihat pada Gambar V.11 dibawah ini. Hasil NVR screen yang
akan muncul pada layar monitor.
Gambar 11
DVR/NVR View
DVR dan NVR merupakan tempat
pengolahan dan penyimpan
data rekaman dari kamera cctv untuk
nantinya disimpan dalam hard disk, dan menuju
ke layar monitor. Pada penelitian ini penulis menggunakan NVR dikarenakan penggunaan jenis IP kamera atau kamera cctv
digital. Sedangkan untuk
DVR hanya memungkinkan kamera jenis analog. NVR merupakan perangkat perekam berbasis protokol internet yang ditangkap
oleh kamera IP.
Di sisi lain pemilihan
penggunaan NVR dikarenakan pengguna mendapatkan data digital
secara langsung dari kamera cctv
tanpa perlu mengubahnya dari bentuk sinyal video berbeda jika menggunakan
DVR. NVR dapat diakses secara real-time karena terhubung ke jaringan
internet seperti wifi
dan juga bisa dihubungkan
ke mobile phone jika
penjaga maupun security dari asrama sedang berada di luar dapat tetap bisa
memantau aktivitas pasien yang terjadi di dalam asrama. DVR juga dapat memantau secara real-time tetapi masih harus
menyambungkan DVR dengan kabel.
Skenario Pengujian Sistem
Skenario
pengujian ini dilakukan untuk menguji sistem dari kamera cctv
yang sudah dibuat sebelumnya berdasarkan hasil diagram sistem pada Bab IV
yang akan menghasilkan log dari pergerakan pasien yang berada di asrama. Skenario ini dilakukan
untuk melakukan evaluasi apakah sistem sudah berjalan
apa belum.
Gambar 12
Skenario Pengujian Sistem
Gambar V.12 merupakan gambar
skenario pengujian sistem untuk mendeteksi
pasien yang bergerak menuju hall kanan dari arah lobby asrama.
Skenario
ini dimulai pada saat pasien yang berada di lobby asrama lantai satu ingin berjalan
menuju ke arah hall kanan asrama. Pasien yang bergerak dari lobby akan terdeteksi oleh kamera cctv 8. Kemudian pasien akan terpantau
melalui kamera cctv 7 melalui arah tangga dan juga tertangkap dari sebelah kanan oleh kamera cctv 6 ruang
tamu. Pasien terlihat bergerak menjauh dari arah
kamera cctv 6 menuju arah hall kanan dan mendekat ke arah kamera
cctv 7. Kemudian dari kamera cctv
6 pergerakan pasien akan ditangkap oleh kamera cctv 4.
Setelah
keluar dari jarak pandang kamera
cctv 6 dan cctv 7 pergerakan pasien akan diterima oleh kamera cctv 4 saat
pasien berbelok menuju ke hall kanan. Kemudian pasien akan menuju
ke arah ujung
hall kanan dan menjauh dari kamera cctv
4. Setelah menjauh dari jarak pandang
kamera cctv 4 pasien bergerak mendekati kamera cctv 3 yang berada di ujung hall kanan. Sehingga log pergerakan pasien yang didapat saat menuju hall kanan yaitu menggambarkan
saat pasien bergerak yang terpantau oleh kamera cctv 8, lalu cctv 6, cctv
7, kemudian cctv 4 dan log berakhir di cctv 3.
Analisa Hasil Simulasi
Dari hasil pengujian
pada simulasi desain site
plan computer vision asrama diatas, diperoleh analisis berupa hasil rancangan
desain dari alat computer vision kamera
cctv menggunakan IP
Video System Design Tool pada asrama Telkom University. Langkah pertama yang dilakukan yaitu menentukan lokasi dari penempatan
alat kamera cctv computer vision pada denah
asrama. Penempatan dilakukan
berdasarkan hasil rancangan dari desain pada Gambar IV.2 yang telah
dibuat.�
Sebelumnya
lokasi penempatan kamera cctv hanya
berada di 4 titik asrama, tetapi setelah dilakukan simulasi pengujian melalui software
IP Video System Design Tool dibutuhkan tambahan sebanyak 4 buah kamera cctv
untuk mendapatkan hasil yang lebih maksimal. Simulasi yang dilakukan menggunakan software
IP Video System Design Tool berdasarkan pada gambar rancangan dari denah asrama memberikan total sebanyak 8 titik lokasi penempatan
dari alat kamera cctv computer vision,
yaitu berada di pintu lobby, 1 buah kamera cctv pada ruang tamu/ tunggu,
3 buah kamera cctv pada lobby, 2 buah kamera cctv
di bagian hall kiri,
dan 1 buah kamera dari sebelah hall kanan. Penempatan dari 8 kamera cctv
tentunya akan menambahkan cost yang diperlukan,
tetapi penambahan juga telah melalui beberapa
pertimbangan peneliti. Menurut hasil perhitungan
melalui cctvcalculator
dengan disesuaikannya minumum perangkat yang terdapat pada Tabel IV, dengan adanya penambahan
4 buah kamera cctv static dengan resolusi 1920x1080 dan 30 frame per seconds menjadi 8 buah kamera cctv yang digunakan, minimum kapasitas hard
disk yang diperlukan yang tadinya
minimal 2gb menjadi 2473.4gb dengan
minimal 4gb. Alasan utama penambahan 4 buah kamera cctv
dibandingkan hanya dilakukan penambahan 2 atau 3 buah kamera
cctv dikarenakan masih ada beberapa
blindspot dan area yang tidak terjangkau juga ketika hanya dilakukan
penambahan kamera cctv sebanyak 2-3 buah. Penambahan 4 kamera cctv dilakukan
untuk lebih dapat menghasilkan hasil visualisasi seluruh area asrama yang lebih maksimal terhadap pergerakan pasien yang nantinya berada di dalam asrama. Dan dengan adanya penggunaan computer
vision pada alat kamera
cctv, dapat membantu memudahkan kerja nakes dalam
memantau pasien yang terkena Covid-19 tanpa harus berdekatan secara langsung dan mengetahui semua pergerakan secara real-time
yang dilakukan oleh pasien
yang berada di asrama.
Dari hasil simulasi rancangan penempatan alat kamera cctv
computer vision diatas, dapat
disimpulkan bahwa dengan hanya penggunaan
4 kamera cctv pada rancangan desain pertama, dari sisi
coverage area kurang maksimal
tetapi biaya lebih murah dibandingkan
dari penggunaan 8 kamera dimana biaya
bertambah tetapi dari sisi coverage area sudah optimal. Serta dari sisi monitoring dan tujuan
mengontrol pergerakan pasien Covid-19 lebih maksimal dibandingkan hanya dengan menggunakan
4 kamera cctv. Peneliti merasa bahwa hasil dari
desain sudah dirasa tepat dan maksimal dalam membantu pemasangan alat kamera cctv
computer vision pada asrama Telkom University dan penggunaan
alat kamera cctv computer vision ini
nantinya dapat membantu meringankan kerja nakes dalam
memantau pasien Covid-19 secara real-time.
Kesimpulan
Berdasarkan hasil simulasi
rancangan desain alat kamera cctv
Computer Vision pada asrama Telkom University dan analisis
yang telah dilakukan menggunakan software IP Video System Design Tool dapat disimpulkan bahwa, Rancangan desain alat kamera
cctv untuk monitoring pasien COVID-19 pada gedung
asrama memiliki peran dapat membantu menggambarkan blueprint awal peletakan alat kamera cctv sebelum
di eksekusi yang berguna untuk mengontrol maupun mengawasi pergerakan pasien yang berada di seluruh area gedung asrama Telkom University sehingga
nantinya dapat diimplementasikan untuk membantu kemudahan dan efisiensi waktu kerja nakes dalam
mengawasi pasien COVID-19
dan memberikan kenyamanan
pada pasien yang sedang isolasi. Hasil desain rancangan alat kamera cctv teknologi
Computer Vision ini baik digunakan pada gedung asrama dengan skenario simulasi penggunaan 8 kamera cctv untuk
memantau pasien COVID-19 secara real-time tanpa harus melakukan kontak langsung. Dengan adanya penggunaan
teknologi Computer Vision pemanfaatan
hasil visualisasi dari kamera cctv
dapat lebih optimal untuk memantau real-time perkembangan kesehatan pasien selama berada
di area gedung asrama Telkom University. �
Afni, S. V. N., Silmina, E. P., & Pangestu,
I. B. (2021). Computer vision used to monitor the youth during the pandemic
covid-19. Procedia of Engineering and Life Science, 1(2). https://doi.org/10.21070/pels.v1i2.1019
Ballard, D. H., & Brown,
C. M. (1981). Computer vision. Prentice Hall.
Borgia, E. (2014, October 14).
The Internet of Things vision: Key features, applications and open issues.
Elsevier. https://www.researchgate.net/publication/267454881_The_Internet_of_Things_vision_Key_features_applications_and_open_issues
Budiono, A. (2015, February 19). Simulasi dan Permodelan. Mohammad
Iqbal. Adoc.Pub. https://adoc.pub/simulasi-dan-permodelan-mohammad-iqbal.html
Chen, C. (2014). Computer
vision in medical imaging (Chapter 1, Vol. 2). World Scientific.
Durasi Rekaman
CCTV dan Berapa Kapasitas Hardisk yang diperlukan. (2021, June 18). It. Technicalmsg. https://bosscctv.id/durasi-rekaman-cctv-dan-berapa-kapasitas-hardisk-yang-diperlukan/
Forsyth, D., & Ponce, J.
(2003). Computer vision: A modern approach. Pearson Educacion.
Gautama, T. K., Hendrik, A.,
& Hendaya, R. (2016). Pengenalan
objek pada computer vision Dengan
Pencocokan Fitur Menggunakan
Algoritma SIFT studi kasus: Deteksi Penyakit Kulit Sederhana. Jurnal
Teknik Informatika Dan Sistem
Informasi, 2(3). https://doi.org/10.28932/jutisi.v2i3.554
Hevner, A. R., March, S. T., Park,
J., & Ram, S. (2004). Design science in information systems research. MIS
Quarterly, 28(1), 75�105. https://doi.org/10.2307/25148625
Institue of Architects Bangladesh.
(2020, April 15). IAB - Institute of Architects Bangladesh. Design
Guideline for Covid-19 Isolation Center. http://www.iab.com.bd/Site/Publication?pid=15
IP camera CCTV. (2020, November 30). BARDI.
https://bardi.co.id/ip-cam-cctv/
@jabardigitalservice.
(2020). Pikobar - Pusat Informasi
dan Koordinasi COVID-19 Jawa
Barat. Pikobar - Pusat Informasi
Dan Koordinasi COVID-19 Jawa
Barat. https://pikobar.jabarprov.go.id/
JVSG: CCTV design software. (n.d.). Retrieved June 16,
2022, from https://www.jvsg.com/
Kumar, R. (2005). Research
methodology: A step-by-step guide for beginners. SAGE Publications.
Muktaveen, F. (2019, April 6). Cara menghitung kapasitas penyimpanan hardisk cctv. Info Sistem Keamanan. https://www.infosistemkeamanan.com/2019/04/cara-menghitung-kapasitas-penyimpanan-hardisk-cctv.html
Murti, S. H. (2020, February).
Pemodelan spasial-1 [PD (E. Tengwar, Ed.). Txt]. https://pdfcookie.com/documents/pemodelan-spasial-1-5lq3o96z9qv7
Nixon, M., & Aguado, A. (2019). Feature extraction and image
processing for computer vision. Academic Press.
Sokolowski, J. A., &
Banks, C. M. (2010). Modeling and
simulation fundamentals: Theoretical underpinnings and practical domains.
John Wiley & Sons.
Sudrajat, A. (2021, July 11). BOR rumah sakit rujukan
penanganan COVID-19 di Jawa
Barat menurun. ANTARA. https://www.antaranews.com/berita/2260614/bor-rumah-sakit-rujukan-penanganan-covid-19-di-jawa-barat-menurun
Szeliski, R. (2010). Computer
vision: Algorithms and applications. Springer Science & Business Media.
Techne. (2020, March 28).
Severe acute respiratory infections treatment centre. World Health
Organization. https://www.who.int/publications/i/item/10665-331603
Thevenot, J., Lopez, M. B., &
Hadid, A. (2018). A survey on computer vision for assistive medical diagnosis
from faces. IEEE Journal of Biomedical and Health Informatics, 22(5),
1497�1511. https://doi.org/10.1109/jbhi.2017.2754861
Treiber, M. A. (2010). An
introduction to object recognition: Selected algorithms for a wide variety of
applications. Springer Science & Business Media.
Wiradyaksa, I. G. N. B. D. (2022). Social
Distancing Monitoring Menggunakan Kamera
CCTV di Rumah Sakit. https://openlibrary.telkomuniversity.ac.id/pustaka/176814/social-distancing-monitoring-menggunakan-kamera-cctv-di-rumah-sakit.html
Yin, C., & McKay, A.
(2018, November 1). Introduction to modeling and
simulation techniques. White Rose Research Online. https://eprints.whiterose.ac.uk/135646/
登录或注册即可查看. (n.d.). Storage needs
calculator. CCTV Calculator. Retrieved July 12, 2022, from
https://www.cctvcalculator.net/en/calculations/storage-needs-calculator/
|
Copyright
holder: Syarah Tazkiatun
Nupus (2022) |
|
First
publication right: Syntax Literate: Jurnal
Ilmiah Indonesia |
|
This article is
licensed under:
|
