Penerapan social distancing pada saat ini sangat diperlukan dan sangat diperketat karena adanya kasus Covid-19 yang semakin meluas dan menyebar di seluruh dunia, termasuk di Indonesia sendiri. Kasus Covid-19 di Indonesia mulai terhitung sejak tanggal 02 bulan Maret tahun 2020 di Jakarta. Salah satu cara yang mudah dan efektif dalam memutus rantai penyebaran Covid-19 yaitu dengan cara menerapkan social distancing dan mengurangi kerumunan dimanapun kita berada.
Tugas akhir ini akan membahas tentang perancangan dan implementasi deteksi social distancing. Pendeteksian ini akan mengambil gambar orang yang tertangkap kamera kemudian di analisis apakah mereka melakukan social distancing atau tidak. Deteksi social distancing ini dapat dilakukan secara real-time sehingga dapat digunakan untuk pemantauan di area tertentu. Metode yang akan digunakan yaitu Faster Region based Convolutional Neural Network (Faster R-CNN) merupakan salah satu metode dari Deep Learning yang bisa digunakan untuk mendeteksi suatu objek secara real-time. Sedangkan untuk pendeteksian jarak antar orang yang mengindikasikan mereka melakukan social distancing akan menggunakan metode Euclidean Distance.
Hasil yang didapatkan dari tugas akhir ini adalah sistem akan mendeteksi manusia yang tertangkap kamera menggunakan model dengan partisi data 80% : 20%, epoch 7000, learning rate 0.0004, dan num steps 21000. Akurasi yang diperoleh dengan penggunaan metode Faster Region based Convolutional Neural Network (Faster R-CNN) mencapai 96.90%, nilai presisi sebesar 97.81%, dan nilai recall sebesar 98.67% yang didapatkan dari perhitungan confusion matrix yang dilakukan pada dataset. Akurasi pengujian social distancing yang didapatkan pada skenario CCTV 82.35% dan skenario sejajar 86.66%.
Kata Kunci : Akurasi, Covid-19, Deep Learning, Euclidean Distance, Faster Region based Convolutional Neural Network (Faster R-CNN), Social Distancing.