cover
Contact Name
FIRMAN TEMPOLA
Contact Email
firma.tempola@unkhair.ac.id
Phone
-
Journal Mail Official
if_jiko@unkhair.ac.id
Editorial Address
-
Location
Kota ternate,
Maluku utara
INDONESIA
Jiko (Jurnal Informatika dan komputer)
Published by Universitas Khairun
ISSN : 26148897     EISSN : 26561948     DOI : -
Core Subject : Science,
Jiko (Jurnal Informatika dan Komputer) Ternate adalah jurnal ilmiah diterbitkan oleh Program Studi Teknik Informatika Universitas Khairun sebagai wadah untuk publikasi atau menyebarluaskan hasil - hasil penelitian dan kajian analisis yang berkaitan dengan bidang Informatika, Ilmu Komputer, Teknologi Informasi, Sistem Informasi dan Sistem Komputer. Jurnal Informatika dan Komputer (JIKO) Ternate terbit 2 (dua) kali dalam setahun pada bulan April dan Oktober
Arjuna Subject : -
Articles 12 Documents
Search results for , issue "Vol 5, No 1 (2022)" : 12 Documents clear
Halaman Indeks JIKO Unkhair
JIKO (Jurnal Informatika dan Komputer) Vol 5, No 1 (2022)
Publisher : Journal Of Informatics and Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v5i1.4341

Abstract

DETEKSI MASKER WAJAH MENGGUNAKAN DEEP TRANSFER LEARNING DAN AUGMENTASI GAMBAR Raden Budiarto Hadiprakoso; Nurul Qomariasih
JIKO (Jurnal Informatika dan Komputer) Vol 5, No 1 (2022)
Publisher : Journal Of Informatics and Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v5i1.3591

Abstract

Pandemi COVID-19 saat ini merupakan masalah kesehatan global. Menurut WHO, memakai masker wajah di depan umum adalah metode perlindungan yang efektif. Mengenakan masker merupakan salah satu gerakan 3M untuk pencegahan virus corona (selain mencuci tangan dan menjaga jarak). Bagaimana pun pengawasan pemakaian masker di ruang publik yang ramai bukanlah tugas yang mudah. Makalah ini mengusulkan penggunaan deep learning untuk mendeteksi orang yang memakai masker wajah dengan benar, memakai masker namun tidak benar dan yang tidak memakai masker. Kami menerapkan transfer learning dan augmentasi gambar, untuk meningkatkan kinerja model deep learning diusulkan secara keseluruhan. Penelitian ini menggunakan dataset CelebA untuk wajah tidak memakai masker dan dataset maskedface net untuk wajah yang bermasker dengan benar dan yang memakainya tapi tidak benar (seperti hanya menutupi mulutnya). Dengan menggunakan augmentasi gambar dan pembelajaran transfer, model yang dibangun mencapai akurasi 98,3% dan skor F1 98,7% pada dataset validasi. Hasil pengujian menunjukkan bahwa teknik augmentasi gambar dan transfer learning mampu meningkatkan akurasi model secara keseluruhan.

Page 2 of 2 | Total Record : 12