DETEKSI MASKER MENGGUNAKAN ALGORITMA
CONVOLUTIONAL NEURAL NETWORK (CNN)
Total View This Week0
Total View This Week0
Institusion
Universitas Bina Darma
Author
AMALIA, RIZKY
Subject
T Technology (General)
Datestamp
2023-07-03 06:51:17
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.
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.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
