Abstract :
World Health Organizations dan Kementerian Kesehatan Republik Indonesia
telah mengharuskan penggunaan masker untuk menekan penyebaran
COVID-19. WHO memberikan panduan cara penggunaan masker yang baik
untuk menutupi bagian mulut dan hidung. Penelitian ini bertujuan untuk
mendeteksi penggunaan masker yang benar dengan menggunakan
Convolutional Neural Network. CNN adalah bagian algoritma Deep Learning
yang populer untuk permasalahan klasifikasi data citra. Pendeteksi
Penggunaan Masker dibuat dengan bantuan pre-trained model MobileNetV2
dengan arsitekturnya yang mendukung pada media yang memiliki komputasi
minimum. Penelitian ini juga akan membandingkan performa tiga metode
optimasi dari CNN yaitu Adam, SGD, dan RMSprop dalam mendeteksi
penggunaan masker. Performa akan dilihat dari hasil pengujian dengan
menganalisis nilai akurasi, presisi dan recall. Dataset yang digunakan
berbentuk data citra sejumlah 2.029 gambar untuk 2 kategori yakni
?bermasker? dan ?tidak bermasker?. Sejumlah 1.623 gambar digunakan
sebagai data pelatihan dan 406 gambar untuk data pengujian. Berdasarkan
proses pengujian didapatkan hasil akurasi dari masing-masing optimasi yaitu
93.84% dengan optimasi Adam, 84.48% dengan optimasi SGD, dan 93.10%
dengan optimasi RMSprop. Dengan model yang diusulkan maka penelitian ini
mendapatkan hasil performa dari ketiga optimasi CNN dan disimpulkan
bahwa optimasi adam memberikan hasil performa yang lebih baik dibanding
kedua optimasi lainnya.
Kata kunci: Deteksi Masker, Convolutional Neural Network, MobilNetV2,
Optimasi CNN.