Main Article Content

Abstract

Pemantauan kepadatan penumpang di stasiun kereta api secara akurat dan real-time merupakan aspek krusial dalam mendukung peningkatan kenyamanan, efisiensi, dan keselamatan pada sistem transportasi publik. Penelitian ini mengusulkan implementasi arsitektur Vision Transformer (ViT-Base) yang telah melalui tahap pelatihan awal (pre-trained) pada dataset ImageNet-21K, untuk melakukan deteksi dan estimasi kepadatan penumpang berbasis visual. Model tersebut dioptimalkan agar dapat dijalankan secara efisien pada perangkat komputasi edge Jetson Orin Nano, sehingga memungkinkan pemrosesan data secara lokal dengan konsumsi sumber daya yang rendah. Evaluasi kinerja dilakukan berdasarkan empat parameter utama, yakni tingkat akurasi, latensi, konsumsi energi, dan efisiensi komputasi. Hasil eksperimen menunjukkan bahwa ViT-Base mampu mencapai akurasi deteksi sebesar 91,17%, dengan latensi rata-rata sebesar 46,59 ms, konsumsi energi 0,1332 joule, dan efisiensi komputasi sebesar 0,171 %/msW. Temuan ini mengindikasikan bahwa ViT-Base merupakan solusi yang menjanjikan untuk sistem pemantauan kepadatan penumpang berbasis edge computing, khususnya dalam konteks penerapan pada lingkungan transportasi publik yang menuntut efisiensi dan kecepatan tinggi.

Keywords

Deteksi Objek Vision Transformer Jetson orin nano Komputasi tepi

Article Details

References

Read More