Sistem Deteksi Masker Menggunakan Metode Convolutional Neural Network (CNN)

Putra, M. Yusuf Syuhada Dwi Ariatin (2021) Sistem Deteksi Masker Menggunakan Metode Convolutional Neural Network (CNN). Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.

	Text ABSTRAK.pdf Download (731kB)
	Text BAB I.pdf Restricted to Repository staff only Download (98kB) | Request a copy
	Text BAB II.pdf Restricted to Repository staff only Download (220kB) | Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (413kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text BAB V.pdf Restricted to Repository staff only Download (135kB) | Request a copy
	Text LAMPIRAN.pdf Download (84kB)
	Text JURNAL PENELITIAN.pdf Download (631kB)
	Text JURNAL TURNITIN.pdf Download (3MB)

Abstract

Pada masa adaptasi kehidupan normal baru karena pandemi virus Covid-19 pemerintah setempat selaku pembuat kebijakan memperlakukan kebijakan protokol kesehatan baru yaitu salah satunya setiap orang wajib menggunakan masker saat berada di tempat umum. Dengan memanfaatkan teknologi komputer visi untuk membuat sistem deteksi masker untuk membantu mengurangi penyebaran Covid-19 di Indonesia. MobileNetV2 adalah arsitektur convolutional neural network (CNN) yang dapat digunakan untuk mengatasi kebutuhan komputasi penyimpanan yang lebih baik. Implementasi sistem deteksi masker dilakukan dengan Bahasa pemograman Python. Uji coba kinerja pada deteksi masker menggunakan arsitektur CNN MobileNetV2 memiliki akurasi sebesar 98 %. Pada pengujian pertama dengan input gambar mengasilkan akurasi 77 % dari total 166 data yang diuji, dan untuk pengujian kedua dengan input video melalui CCTV menghasilkan akurasi 76% terhadap capture hasil CCTV sebanyak 30 data yang diuji. Berdasarkan hasil yang didapat sistem mampu mendeteksi masker painting masker medis dan non medis, sistem dapat mendeteksi tidak memakai masker pada orang yang menutup mulut dengan tangan serta sistem dapat mendeteksi lebih dari satu wajah dalam satu gambar atau video, baik yang menggunakan masker dan tidak menggunakan masker.

Actions (login required)

View Item