IMPLEMENTASI DEEP LEARNING MENDETEKSI PENGGUNA MASKER BERBASIS FRAMEWORK TENSORFLOW DENGAN METODE CONVOLUTIONAL NEURAL NETWORK
Keywords:
Deep Learning, Convolutional Neural Network, TensorFlow, Deteksi wajah, MaskerAbstract
Penerapan protokol kesehatan pada masa pandemic menjadi salah satu cara untuk mengurangi penyebaran virus covid-19, terutama pada area public dan ruangan tertutup harus mengikuti ketentuan protocol kesehatan. Salah satu ketentuan yang harus dipenuhi ketika keluar rumah dan memasuki area public harus menggunakan masker. Sehingga banyak area public mapun gedung-gedung perkantoran atau mall, menggunakan tenaga keamanan untuk mengawasi setiap orang yang datang dan memastikan mengunakan masker. Sehingga dengan menyediakan tenaga manusia untuk menerapkan protokol kesehatan di area public atau mall atapun tempat lainnya memungkinkan terjadinya tidak konsistensi nya pengawasan protokol kesehatan tersebut, karena manusia tentu memiliki keterbatasan dalam hal-hal terntu. Penelitian ini bertujuan untuk mengimplementasikan deep learning guna mendeteksi pengguna masker berbasis framework tensorflow dengan metode convolutional neural network, secara realtime. Penggunaan deep learning dengan metode convolution neural network yang menghasilkan sebuah model dari proses training data dengan nilai akurasi mencapai 99,7 %, serta nilai loss mencapai 0,018%. Lalu nilai validation mencapai 99,6% dan nilai loss mencapai 0,009% sehingga model ini dapat digunakan untuk mendeteksi penggunaan masker wajah secara realtime. Dalam penelitian ini, dilakukan pengujian data training dengan 3 kali percobaan untuk masing-masing batch size dan epoch yang berbeda-beda, dengan tujuan mendapatkan model yang memiliki akurasi yang paling tinggi, dimana akurasi tertinggi diperoleh sebesar 99,7% pada batch size 200 dan epoch 100
Downloads
References
Pulung Adi Nugroho, Indah Fenriana, Rudi Arijanto M.Kom. 2020. Implementasi Deep Learning Menggunakan Convolutional Nerual Network (CNN) Pada Ekspresi Manusia. Jurnal ALGOR, 2-1
Dufan J.P Mananjang, Sherwin R.U.A.Sompie, Agustinus Jacobus. 2020. Implementasi Framework Tensorflow Object Detection Dalam Mengklasifikasi Jenis Kendaraan Motor. Jurnal Teknik Informatika. 15-3 ,171-178.
Rahim Arham, Dkk. (2020). Convolutional Neural Network Untuk Klasifikasi Penggunaan Masker. Jurnal Teknologi Informasi dan Komunikasi. 10-2, 109-115.
Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta : ANDI, 2010
Mohit Sewak, Md.Rezaul Karim, Pradeep Pujari. 2018. Practical Convolutional Nerual Networks. Mumbai : Packt Publishing Ltd, 2018.
Pramod Singh, Avinash Manure. 2020. Learn TensorFlow 2.0 : Implement Mechine Learning and Deep Learning. India : Apress, 2020.
Wahyuno,Teguh. 2018. Fundamental Of Python For Mechine Learning. Yogyakarta : GAVA MEDIA, 2018
Silaparasetty, Vinita. 2020. Deep Learning Project Using TensorFlow 2 : Neural Network Development with Python and Keras. India :Apress, 2020.
Budiharto, Widodo. 2018. Pemrograman Python Untuk Ilmu Komputer Dan Teknik. Yogyakarta : ANDI OFFSET, 2018
Bharath Ramsundar, Reza Bosagh Zadeh. 2018. TensorFlow for Deep Learning From Linear Regressionto Reinforcement Learning. United States Of America : O’Reilly Media, Inc, 2018.
Hermawan, Egie. (2021). Klasifikasi Pengenalan Wajah Menggunakan Masker atau Atau Tidak Dengan Mengimplementasi Metode CNN (Convolutional Neural Network). Jurnal Industri Kreatif dan Informatika Series (JIKIS). 01-01.
Kurniadi Ahmad, Dkk. (2020). Implementasi Convolutional Neural Network Untuk Klasifikasi Varietas Pada Citra Daun Sawi Menggunakan Keras. Journal Of Computer and Information Technology. 4-1 , 25-33
dr. Pittara (2022) , Virus Corona, https://www.alodokter.com/virus-corona
Rafki Fachrizal Editor: Dayu Akbar https://infokomputer.grid.id/ read/121744301/mengenal-beberapa-perpustakaan-machine-learning-berbasis-python?page=all
Idhawati Hestiningsih (2018), Pengolahan Citra, https://sdislam-aljamal.sch.id/uploads/pengolahan-citra.pdf
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 SENTRI: Jurnal Riset Ilmiah
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.