“Data penelitian diambil dengan menggunakan kamera thermal compact yang terpasang pada perangkat berbasis Android. Pengambilan data dilakukan pada malam hari dengan skenario occlusion dan thermal crossover di hutan, di mana objek yang diamati adalah manusia yang bergerak melintasi kamera dengan berbagai jarak dan kondisi cuaca,” kata Nur, melansir laman UI, Minggu (7/7/2024).
Hasil penelitian menunjukkan bahwa metode yang dikembangkan memiliki dampak signifikan pada peningkatan performa surveillance system. Dalam sistem visual tracking, penambahan algoritma interval type 2 fuzzy logic system (IT2 FLS) pada weighted multiple instance learning (WMIL) berhasil meningkatkan success rate sebesar 10-14% dan precision sebesar 0.21-0.33.
Dari penelitian yang telah dilakukan Nur ini memberikan kontribusi signifikan dalam bidang object tracking, terutama untuk aplikasi surveillance di malam hari. Optimasi metode WMIL telah berhasil meningkatkan tingkat keberhasilan dan presisi, sementara peningkatan performa you-only-look-once (YOLO) dan deep appearance-based trackers mengurangi potensi false detection dan identity switching secara signifikan.
