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.
