Implementasi Deep Learning Untuk Deteksi Masker

  • Reza Rizqi Ramdhani Universitas Singaperbangsa Karawang
  • Riza Ibnu Adam Universitas Singaperbangsa Karawang
  • Azhari Ali Ridha Universitas Singaperbangsa Karawang

Abstract

Coronavirus Disease-19 (COVID-19) telah memberikan dampak yang besar pada banyak Negara di dunia sejak Desember 2019. Pemerintah Indonesia telah melakukan beberapa upaya untuk menekan penyebaran COVID-19 di antaranya adalah mewajibkan penggunaan masker. Tetapi masih terdapat pada beberapa daerah dimana presentase orang yang tidak menggunakan masker mencapai lebih dari 30%. Maka dari itu diperlukan sebuah sistem pendeteksi masker yang terhubung dengan pemerintah, agar pemerintah dapat melakukan pengawasan terhadap masyarakat di tempat umum. Tujuan penelitian ini adalah untuk mengimplementasi dan menguji model deteksi masker wajah dengan algoritma single shot multibox detector dan mobilenetv2. Penelitian ini terdiri dari beberapa tahapan, yaitu pengumpulan data, pre-processing, training model, testing model, dan implementasi model. Model yang dibangun dapat mencapai akurasi sebesar 99% baik pada tahap training maupun tahap testing

References

Abdullah, V. I. (2021). Peran Perempuan Dalam Pemutusan Mata Rantai Covid-19 Melalui Gerakan Pembagian 1 Juta Masker. Jurnal Ilmiah Abdi Mas TPB Unram, 3(1).
Aji, R. H. S. (2020). Dampak COVID-19 pada pendidikan di indonesia: Sekolah, keterampilan, dan proses pembelajaran. Jurnal Sosial & Budaya Syar-i, 7(5), 395-402.
Eikenberry, S. E., Mancuso, M., Iboi, E., Phan, T., Eikenberry, K., Kuang, Y., ... & Gumel, A. B. (2020). To mask or not to mask: Modeling the potential for face mask use by the general public to curtail the COVID-19 pandemic. Infectious Disease Modelling, 5, 293-308.
Hanoatubun, S. (2020). Dampak Covid–19 terhadap Prekonomian Indonesia. EduPsyCouns: Journal of Education, Psychology and Counseling, 2(1), 146-153.
Loey, M., Manogaran, G., Taha, M. H. N., & Khalifa, N. E. M. (2021). A hybrid deep transfer learning model with machine learning methods for face mask detection in the era of the COVID-19 pandemic. Measurement, 167, 108288.
Nagrath, P., Jain, R., Madan, A., Arora, R., Kataria, P., & Hemanth, J. (2021). SSDMNV2: A real time DNN-based face mask detection system using single shot multibox detector and MobileNetV2. Sustainable cities and society, 66, 102692.
Prathama, W. A., & Wibawa, I. G. A. Noise Qualification in Bali Palm Leaf Image with Gaussian Filter Method. Jurnal Elektronik Ilmu Komputer Udayana p-ISSN, 2301, 5373.
Putri, Gloria Setyvani. (2020). “WHO Resmi Sebut Virus Covid-19 Sebagai Pandemi Global.” Retrieved April 4, 2021 (https://www.kompas.com/sains/read/2020/03/12/083129823/who-resmi-sebut-virus-corona-covid-19-sebagai-pandemi-global?page=all).
Ridha, A., & Puspitodjati, S. (2018). Decision Support System of Fulfillment the Number of Lecturers based on Dikti Form Using Expert System Approach. International Journal of Modern Education & Computer Science, 10(12).
Sanjaya, S. A., & Rakhmawan, S. A. (2020, October). Face Mask Detection Using MobileNetV2 in The Era of COVID-19 Pandemic. In 2020 International Conference on Data Analytics for Business and Industry: Way Towards a Sustainable Economy (ICDABI) (pp. 1-5). IEEE.
Published
2021-12-28
How to Cite
Ramdhani, R., Adam, R., & Ridha, A. (2021). Implementasi Deep Learning Untuk Deteksi Masker. INTECOMS: Journal of Information Technology and Computer Science, 4(2), 384 - 391. https://doi.org/https://doi.org/10.31539/intecoms.v4i2.2707
Abstract viewed = 0 times
PDF downloaded = 0 times