Claim Missing Document
Check
Articles

Found 3 Documents
Search

Deteksi Penggunaan Masker Pada Citra Menggunakan RetinaFace dengan MobileNetV2 Muhammad Zaki, Ghilman; Sthevanie, Febryanti; Nur Ramadhani, Kurniawan
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Pada penelitian ini dibentuk sistem pendeteksi masker menggunakan RetinaFace sebagai face detection dan MobileNetV2 sebagai sistem klasifikasi penggunaan masker pada wajah. Alur sistem diawali dengan sistem pendeteksi wajah menggunakan RetinaFace. RetinaFace mengambil bagian wajah pada citra dan diteruskan ke model sistem klasifikasi penggunaan masker menggunakan model MobileNetV2. Model MobileNetV2 dilakukan training dengan training set yang terdiri dari 23.115 citra wajah bermasker dan tidak bermasker dan dilakukan testing dengan testing set yang terdiri dari 6.998 citra wajah bermasker dan tidak bermasker. Hasil akurasi yang didapatkan oleh model MobileNetV2 sebesar 99,3%. Namun model MobileNetV2 masih dapat memberikan hasil prediksi yang salah untuk citra wajah dari citra orang yang diambil dari jarak yang jauh.Kata kunci— COVID-19, retinaface, mobilenetv2
Deteksi Penggunaan Masker Pada Citra Menggunakan YOLOv5 Dengan CNN Nur Hidayah, Maulana; Sthevanie, Febryanti; Nur Ramadhani, Kurniawan
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Pandemi COVID-19 bermula di negara China lebih tepatnya kota Wuhan pada tahun 2019. Pemerintah Indonesia menerapkan kebijakan demi memutus penularan virus ini, di antaranya penggunaan masker di ruang publik. Selama ini penggunaan masker diperiksa secara manual oleh petugas. Cara ini memiliki banyak keterbatasan salah satunya sulit untuk dilakukan pada berbagai waktu dan tempat, sehingga perlu dibuat sistem pendeteksi masker berbasis visi komputer dengan tujuan untuk menutupi kekurangan pendeteksian masker tradisional. Penelitian ini mengusulkan pembuatan sistem deteksi masker menggunakan algoritma You Only Look Once versi 5 (YOLOv5) sebagai metode pendeteksi wajah dan Convolutional Neural Network (CNN) sebagai metode klasifikasi penggunaan masker. Hasil dari klasifikasi penggunaan masker pada skenario terbaik mendapatkan nilai f1-score 98%, pada data testing mendapatkan akurasi 97,88%.Kata kunci— deteksi masker, CNN, citra digital, YOLOv5
Pendeteksi Masker pada Gambar Menggunakan Model Deep Learning Yolo-v2 dengan ResNet-50 Atria Salim, Muhammad Rizki; Sthevanie, Febryanti; Nur Ramadhani, Kurniawan
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Sistem deteksi masker merupakan suatu upaya untuk mencegah penyebaran COVID-19. Pada penelitian ini sistem deteksi masker dikembangkan menggunakan model deep learning Yolo-v2 dengan bantuan ResNet-50. ResNet-50 digunakan sebagai backbone layer pengganti Yolo-v2, sedangkan Yolo-v2 menjadi komponen utama pendeteksi face mask. Penelitian ini menggunakan Face Mask Dataset dan Medical Mask Dataset berupa citra gambar yang diambil dari kaggle. Pengujian parameter konfigurasi saat training model dilakukan dengan harapan dapat meningkatkan akurasi dan kinerja dari sistem deteksi masker. Sistem deteksi masker menggunakan metode ini mendapatkan hasil F1-Score sebesar 84%.Kata Kunci — deteksi masker, ResNet-50, YOLO-v2, COVID-19