IMPLEMENTASI FRAMEWORK LARAVEL PADA APLIKASI PENERIMAAN SANTRI BARU BERBASIS WEB (STUDI KASUS : PONPES AL-MUTHI'IN MAGUWO)
Pandemi Covid 19 yang terjadi pada akhir tahun 2019 telah menyebabkan banyakperubahan dalam kehidupan manusia. berbagai sektor ekonomi seperti pariwisata berhentiberoperasi, sektor pendidikan pun mengalihkan proses ajar menjadi daring. World HealthOrganization (WHO) dan Centers for Disease Control a...
Saved in:
| Main Authors: | , |
|---|---|
| Language: | Indonesian |
| Published: |
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2022
|
| Subjects: | |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Pandemi Covid 19 yang terjadi pada akhir tahun 2019 telah menyebabkan banyakperubahan dalam kehidupan manusia. berbagai sektor ekonomi seperti pariwisata berhentiberoperasi, sektor pendidikan pun mengalihkan proses ajar menjadi daring. World HealthOrganization (WHO) dan Centers for Disease Control and Prevention (CDC) telahmengkampanyekan penggunaan masker untuk mencegah penyebaran virus ini. Maskermemiliki fungsi utama untuk menahan droplet yang dikeluarkan dari mulut seseorang padasaat berbicara, bersin, atau batuk. Penelitian ini bertujuan untuk mengklasifikasikan apakahseseorang menggunakan masker atau tidak. Deteksi masker akan menggunakan deeplearning, khususnya metode transfer learning. Model yang akan digunakan dalampenelitian ini adalah MobileNetV2. MobileNetV2 merupakan model pengembangan dariMobileNetV1, pada percobaan klasifikasi gambar menggunakan ImageNet, MobileNetV2menunjukan hasil akurasi yang lebih baik dibandingkan MobileNetV1 dengan jumlahparameter yang lebih sedikit. Dataset yang digunakan dalam penelitian ini berasal dariKaggle dengan jumlah 7.553 data yang terdiri dari 3.725 image wajah dengan masker, dan3.828 image wajah tanpa masker. Proses pada penelitian ini mencakup tahap preprocessingdata (di dalamnya juga mencakup pelabelan data), tahap augmentasi data (untukmemperbanyak jumlah data), konfigurasi model, dan proses training model. Model yangdihasilkan memiliki akurasi yang baik terhadap data uji, yaitu mencapai 0,99 (99 %). Modelhasil training kemudian disimpan dan diimplementasikan pada sebuah aplikasi sederhanayang menerima input dari webcam berupa video realtime. Kemudian dilakukan beberapapengujian pada aplikasi tersebut dan ditemukan bahwa aplikasi tersebut lebih cocokdigunakan pada lingkungan dengan cahaya terang dan normal dibandingkan padalingkungan dengan cahaya redup.Kata kunci: klasifikasi, wajah, masker, transfer learning, MobileNetV2 |
|---|