@thesis{thesis,
		author={SHOLIKHIN  AHMAD TOMI},
		title ={Sistem Pendeteksi Masker dengan Metode Deep Learning Convolutional Neural Network},
		year={2022},
		url={http://eprints.udb.ac.id/id/eprint/843/},
		abstract={Coronavirus Disease (COVID-19) atau biasa disebut virus corona telah 
melanda dunia termasuk Indonesia, Pemerintah secara masif terus menggalakkan
program 5M yaitu (1) memakai masker, (2) mencuci tangan, (3) menjaga jarak, (4)
menjauhi kerumunan, dan (5) mengurangi mobilitas sebagai langkah preventif guna
mencegah dan memutus rantai virus corona. Agar masyarakat disiplin
menggunakan masker di tempat umum, dilakukanlah kegiatan razia oleh aparat
keamanan. Namun kegiatan razia masker tidak bisa lepas dari peran manusia yang
mampu membedakan pengguna masker dan non pengguna masker, kegiatan ini
sangat terbatas karena sangat mengandalkan manusia yang pada dasarnya butuh
istirahat. maka dari itu penulis membuat sistem yang dapat secara otomatis
membedakan pengguna masker dan non pengguna masker sehingga bisa membantu
memonitoring dan melakukan pencatatan saat menemukan non pengguna masker.  

Sistem ini dibuat menggunakan deep learning dengan arsitektur 
convolutional neural network, yang akan mendeteksi apakah orang tersebut
menggunakan masker atau tidak. Kemudian setiap terdeteksi tidak menggunakan
masker sistem akan mengirim tangkapan wajah ke database sehingga selanjutnya
akan tampil dan dikelola pada aplikasi manajemen pelanggaran berbasis android.
Metode penelitian yang dilakukan adalah dengan merumuskan masalah yang ada,
kemudian merumuskan tujuan penelitian, dan melakukan studi literatur.
Pengembangan sistem menggunakan metode prototype dengan tahapan yaitu (1)
analisa kebutuhan, (2) desain sistem, (3) pengujian sistem, dan (4) implementasi. 

Hasil dari penelitian ini berupa sistem deteksi masker yang berbasis desktop 
dan aplikasi manajemen pelanggaran yang berfungsi untuk memvalidasi tangkapan
gambar dari sistem deteksi. Pengujian aplikasi mobile menggunakan black box
sedangkan sistem deteksi pengguna masker menggunakan teknik
CAR(Classification Accuracy Rate), dengan sampel berupa video dengan total
1000 frame yang dibedakan berdasarkan jenis masker dan jarak. Didapati
Efektifitas dari sistem sangat bergantung pada jarak objek ke pada kamera, dengan
jarak optimal untuk sistem deteksi masker ini antara 50 cm - 100 cm, sedangkan
perbedaan jenis masker tidak berpengaruh jauh pada akurasi sehingga dapat
digunakan untuk mendeteksi masker medis maupun non medis dengan baik}
		}