Deteksi Penggunaan Masker Pada Tempat Umum Menggunakan Algoritma Convolutional Neural Network

Mochamad  Wibowo; Hanny  Handayani; Anis  Masruriyah

Mochamad Yoga Wibowo
Hanny Hikmayanti Handayani
Anis Fitri Nur Masruriyah

Keywords: CNN, COVID-19, Model Identifikasi

Abstract

Dengan adanya virus corona yang telah menjadi pandemi dunia Saat ini beraktivitas di tempat umum penggunaan masker sangat diperlukan, penyebab masker ini perlu diperhatikan karena masker berperan penting dalam hal mencegah virus maukke dalam tubuh. Ditambah terus meningkatnya penyebaran virus corona, tentunya masker sangat penting untuk digunakan. Berbagai teknologi dirancang untuk memutus rantai penyebaran covid-19 yang telah menyebar ke berbagai negara termasuk Indonesia. Berdasarkan permasalahan yang telah di paparkan, maka penelitian ini bertujuan untuk melakukan pendeteksian terhadap objek pada citra yang menggunakan masker dan tidak menggunakan masker. Penelitian ini terdiri dari tiga tahapan yaitu pengumpulan data set, pelatihan dan pengujian sebuah model. Model disini berguna untuk deteksi masker dapat mendeteksi dan mengklasifikasikan wajah dengan masker dan tanpa masker. Selanjuntnya, model akan diuji tingkat akurasinya. Akurasi yang didapatkan sebesar 99% yang diuji menggunakan webcam secara real time. Algoritma yang dipakai yaitu Convolutional Neural Network (CNN) dengan teknik preprocessing.

References

[1] F. Syarifuddin, M. Misdram, A. A. Widodo, P. S. Informatika, and U. M. Pasuruan, “Klasifikasi Data Set Virus Corona Menggunakan Metode Naïve Bayes Classifier,” J. SPIRIT, vol. 12, no. 2, pp. 46–52, 2020.
[2] WHO, “Infection Prevention and Control guidance for Long-Term Care Facilities in the context of COVID-19. Retrieved march 29, 2020 From https://www.who.int,” Interim Guid. World Heal. Organ., no. March, pp. 1–5, 2020.
[3] I. S. Joyosemito and N. M. Nasir, “Gelombang Kedua Pandemi Menuju Endemi Covid-19: Analisis Kebijakan Vaksinasi Dan Pembatasan Kegiatan Masyarakat Di Indonesia,” J. Sains Teknol. dalam Pemberdaya. Masy., vol. 2, no. 1, pp. 55–66, 2021, doi: 10.31599/jstpm.v2i1.718.
[4] Ghiffari dan Ridwan, “Faktor-faktor yang Mempengaruhi Ketidakpatuhan Masyarakat Menggunakan Masker pada Saat Pandemi Covid-19 di Palembang,” Syedza Saintika, pp. 450–458, 2020.
[5] M. Signs, R. Communication, and C. Engagement, “Pre-symptomatic and Mild Signs and Symptoms of COVID-19 Risk Communication and Community Engagement messages.”
[6] D. G. Arwindo, E. Y. Puspaningrum, and Y. V. Via, “Identifikasi Penggunaan Masker Menggunakan Algoritma CNN YOLOv3-Tiny,” Pros. Semin. Nas. Inform. Bela Negara, vol. 1, pp. 153–159, 2020, doi: 10.33005/santika.v1i0.41.
[7] P. Nyoman and P. K. Negara, “Deteksi Masker Pencegahan Covid19 Menggunakan Convolutional Neural Network Berbasis Android,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 3, pp. 576–583, 2021, doi: 10.29207/resti.v5i3.3103.
[8] S. Ahmad, “IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI PENGGUNA MASKER,” J. Ekon. Vol. 18, Nomor 1 Maret201, vol. 2, no. 1, pp. 41–49, 2020.
[9] J. C. Bean, “Arsitektur Neural Network,” B. Archit. Neural Netw., 2019.
[10] M. R. Alwanda, R. P. K. Ramadhan, and D. Alamsyah, “Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle,” J. Algoritm., vol. 1, no. 1, pp. 45–56, 2020, doi: 10.35957/algoritme.v1i1.434.