Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Transmisi: Jurnal Ilmiah Teknik Elektro
Ushuludin, Mohammad
Unknown Affiliation
Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
SISTEM DETEKSI MASKER PADA WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR VGG16 Ushuludin, Mohammad; Haviana, Sam Farisa Chaerul; Subroto, Imam Much Ibnu
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 25, No 4 Oktober (2023): TRANSMISI: Jurnal Ilmiah Teknik Elektro
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.25.4.179-185

Abstract

Pandemi COVID-19 telah mengubah paradigma global terhadap kesehatan dan kebersihan lingkungan. Penyakit yang disebabkan oleh SARS CoV-2 telah menimbulkan dampak serius di seluruh dunia. Di Indonesia, penanganan pandemi ini melibatkan berbagai peraturan dan upaya pencegahan, termasuk penggunaan masker sebagai langkah penting. Selain karena pandemi tersebut penggunaan masker juga sangat penting dilakukan di area tertentu misalnya rumah sakit. Penggunaan masker oleh dokter dan perawat saat merawat pasien sangatlah krusial untuk melindungi mereka dan mencegah penyebaran droplet penyakit. Meskipun penting, tingkat kepatuhan terhadap penggunaan masker di rumah sakit masih bervariasi. Penelitian ini mengembangkan sistem deteksi masker pada wajah menggunakan metode convolutional neural network (CNN) arsitektur VGG16. Sistem deteksi masker ini dapat memberikan alternatif teknologi bagi petugas dalam mengawasi dan memantau penggunaan masker pada individu di lingkungan rumah sakit atau tempat-tempat lain yang memerlukan penggunaan masker sehingga membantu efisiensi pengecekan serta pengurangan beban kerja.  Melalui pengujian dan evaluasi, ditemukan bahwa penggunaan threshold rendah sebesar 0.5 pada sistem deteksi masker memberikan hasil prediksi yang lebih akurat dengan tingkat akurasi mencapai 90% dan f1-score 0,909. Pengaturan threshold ini memungkinkan sistem menjadi lebih sensitif dalam mengenali apakah seseorang menggunakan masker atau tidak.
Co-Authors Imam Much Ibnu Subroto Sam Farisa Chaerul Haviana