Kursus/Pelatihan/Jasa Pembuatan Yolo 11 | Pendeteksi Masker dan Jarak Sosial di Tempat Umum

Berikut adalah Silabus 20 Sesi x 1,5 Jam untuk topik:

“Pendeteksi Masker dan Jarak Sosial di Tempat Umum Menggunakan YOLOv11”

---

Level: Intermediate to Advanced

Target Peserta: Mahasiswa, peneliti, atau pengembang yang sudah menguasai dasar Python dan pemrosesan citra.

---

Silabus:

Sesi 1–2: Pendahuluan dan Dasar Teori

1. Pengenalan Proyek dan Konsep YOLO

   • Tujuan aplikasi

   • Evolusi YOLO hingga YOLOv11

   • Studi kasus penggunaan

2. Dasar Deteksi Objek dan Pemrosesan Citra

   • Deteksi bounding box

   • Confidence score dan IoU

   • Arsitektur CNN dasar

---

Sesi 3–4: Persiapan Lingkungan dan Dataset

3. Instalasi Tools & Framework

   • Python, PyTorch, OpenCV, YOLOv11 library (Ultralytics/Roboflow)

4. Kumpulan dan Labeling Dataset

   • Dataset deteksi masker (dengan/ tanpa masker)

   • Dataset jarak sosial (CCTV keramaian)

   • Labeling dengan Roboflow/LabelImg

---

Sesi 5–6: Pelatihan Model YOLOv11

5. Preprocessing dan Augmentasi Data

   • Resize, augmentasi citra (rotation, brightness, flip)

6. Training YOLOv11

   • Konfigurasi file .yaml, hyp.yaml, dan train.py

   • Pemantauan training (loss, precision, recall)

---

Sesi 7–8: Evaluasi dan Validasi

7. Testing Model dan Analisis Kinerja

   • Confusion matrix, mAP, FPS, deteksi real-time

8. Improvement: Fine-tuning dan Early Stopping

   • Tuning learning rate, batch size, data imbalance

---

Sesi 9–10: Pendeteksian Masker

9. Deteksi Penggunaan Masker dengan Webcam

   • Visualisasi hasil deteksi live

10. Logging dan Simpan Hasil Deteksi

• Simpan hasil sebagai gambar/video + log JSON

---

Sesi 11–12: Estimasi Jarak Sosial

11. Perhitungan Jarak Antar Objek

• Menggunakan perspektif kamera dan bounding box

• Pixel ke meter konversi

12. Identifikasi Pelanggaran Jarak Sosial

• Deteksi pelanggaran dan alarm visual (warna merah/hijau)

---

Sesi 13–14: Integrasi dan Visualisasi

13. Dashboard Monitoring Real-Time

• Streamlit atau Tkinter GUI sederhana

14. Heatmap & Statistik Pelanggaran

• Visualisasi jumlah pelanggaran dan lokasi padat

---

Sesi 15–16: Optimasi dan Deployment

15. Konversi Model ke Format Ringan (ONNX/TFLite)

• Untuk perangkat edge seperti Jetson Nano atau Raspberry Pi

16. Deployment ke Kamera CCTV / RTSP Stream

• Ambil input dari kamera IP secara real-time

---

Sesi 17–18: Pengujian Lapangan

17. Simulasi di Lingkungan Nyata

• Di kelas, kantor, atau tempat umum

18. Uji Performa dan Akurasi Sistem

• Evaluasi sistem saat ramai dan sepi

---

Sesi 19–20: Dokumentasi dan Presentasi Proyek

19. Pembuatan Laporan Proyek dan Dokumentasi

• Penulisan laporan teknis, video demo, README GitHub

20. Presentasi & Uji Coba Akhir

• Presentasi proyek, Q&A, dan rencana pengembangan lanjutan