PERANCANGAN SISTEM PEOPLE COUNTING DAN DETEKSI ANTRIAN MENGGUNAKAN TINY MACHINE LEARNING (TINYML) PADA KAMERA IOT (ESP32-CAM) UNTUK OPTIMALISASI MANAJEMEN RUANG PADA COFFEESHOP

Abstract

Peningkatan jumlah pengunjung pada coffeeshop menuntut pengelolaan ruang dan antrian yang lebih efektif agar kenyamanan pelanggan tetap terjaga. Namun, proses pemantauan jumlah pengunjung dan kondisi antrian masih banyak dilakukan secara manual sehingga kurang efisien dan berpotensi menimbulkan ketidaktepatan dalam pengambilan keputusan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem people counting dan deteksi antrian berbasis Internet of Things (IoT) dengan memanfaatkan Tiny Machine Learning (TinyML) pada perangkat ESP32-CAM. Sistem yang dirancang menggunakan kamera ESP32-CAM sebagai perangkat akuisisi data visual, yang selanjutnya diproses secara on-device menggunakan model TinyML untuk mendeteksi dan menghitung jumlah orang serta kondisi antrian secara real-time. Data hasil deteksi kemudian ditampilkan melalui antarmuka monitoring sebagai informasi pendukung dalam pengelolaan ruang. Metode penelitian yang digunakan meliputi perancangan sistem, pengembangan model TinyML, implementasi perangkat keras dan perangkat lunak, serta pengujian kinerja sistem. Hasil penelitian menunjukkan bahwa sistem mampu melakukan deteksi jumlah orang dan kondisi antrian dengan baik serta dapat berjalan secara real-time pada perangkat IoT dengan keterbatasan sumber daya. Sistem ini diharapkan dapat membantu pihak pengelola coffeeshop dalam mengoptimalkan manajemen ruang, meningkatkan efisiensi operasional, serta mendukung pengambilan keputusan berbasis data.