DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING

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...

Full description

Saved in:

Bibliographic Details
Main Authors:	Dini Faktasari, S.T., M.T, Hanif, Agung Nashri - 155410154
Language:	Indonesian
Published:	UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI) 2022
Subjects:	METODE TRANSFER SISTEM DETEKSI SISTEM E-LEARNING
Tags:	Add Tag No Tags, Be the first to tag this record!

PINJAM

id	oai:opac.utdi.ac.id:slims-16643
record_format	oai_dc
spelling	oai:opac.utdi.ac.id:slims-166432022-03-18T08:58:49Z DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING Dini Faktasari, S.T., M.T Hanif, Agung Nashri - 155410154 METODE TRANSFER SISTEM DETEKSI SISTEM E-LEARNING UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI) 2022 id Text Skripsi http://opac.utdi.ac.id//index.php?p=show_detail&id=16643 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 Yogyakarta
institution	UTDI
collection	Universitas Teknologi Digital Indonesia
language	Indonesian
topic	METODE TRANSFER SISTEM DETEKSI SISTEM E-LEARNING
spellingShingle	METODE TRANSFER SISTEM DETEKSI SISTEM E-LEARNING Dini Faktasari, S.T., M.T Hanif, Agung Nashri - 155410154 DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING
description	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
author	Dini Faktasari, S.T., M.T Hanif, Agung Nashri - 155410154
author_facet	Dini Faktasari, S.T., M.T Hanif, Agung Nashri - 155410154
author_sort	Dini Faktasari, S.T., M.T
title	DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING
title_short	DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING
title_full	DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING
title_fullStr	DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING
title_full_unstemmed	DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING
title_sort	deteksi masker wajah menggunakanmetode transfer learning
publisher	UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
publishDate	2022
callnumber-raw	http://opac.utdi.ac.id//index.php?p=show_detail&id=16643
callnumber-search	http://opac.utdi.ac.id//index.php?p=show_detail&id=16643
_version_	1741202118586400769

DETEKSI MASKER WAJAH MENGGUNAKANMETODE TRANSFER LEARNING

Similar Items