Penerapan Metode Backpropagation Menggunakan MLPClassifier terhadap Model Face Mask Detection

Wijaya, Wendy Hendra (2022) Penerapan Metode Backpropagation Menggunakan MLPClassifier terhadap Model Face Mask Detection. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (535kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (238kB) | Preview
Preview	PDF BAB_I.pdf Download (319kB) | Preview
Preview	PDF BAB_II.pdf Download (646kB) | Preview
Preview	PDF BAB_III.pdf Download (777kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (973kB)
Preview	PDF BAB_V.pdf Download (264kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (628kB)

Abstract

Corona Virus Disease 2019 (COVID-19) adalah suatu virus yang tersebar secara luas dan menjadi pandemi global. COVID-19 ini dapat menyebar melalui droplet yang terbuat dari batuk ataupun bersin, yang dihirup oleh manusia lain. Menteri Kesehatan Republik Indonesia telah memberikan keputusan mengenai kasus pandemi COVID-19 ini, salah satunya yaitu "Menggunakan alat pelindung diri berupa masker yang menutupi hidung, mulut, dan dagu". Hal tersebut menginspirasi penelitian ini untuk mendeteksi penggunaan masker pada wajah menggunakan kerangka kerja CRISP-DM dan menggunakan metode backpropagation neural network dengan menggunakan MLPClassifier. Dataset didapat melalui metode pengumpulan data sekunder yang berasal dari github dan bernama RMFD (Real-World Masked Face Dataset). Data tersebut berisikan data foto wajah manusia yang menggunakan masker dengan data foto wajah tanpa menggunakan masker dengan total data 3860. Hasil akhir yang akan didapat merupakan tingkat akurasi yang akan dibandingkan dengan algoritma lainnya, yaitu DNN (Deep Neural Network) dan Optimistic CNN (Convolutional Neural Network). Hasil dari penelitian menunjukan bahwa metode backpropagation neural network dapat dilakukan untuk pendeteksian masker pada wajah manusia dengan hasil akurasi 94,4%. Hasil tersebut mengungguli algoritma DNN akan tetapi tidak dapat menyaingi akurasi dari algoritma Optimistic CNN. Adanya penelitian ini diharapkan dapat memperluas wawasan mengenai pendeteksian masker untuk mencegah penyebaran COVID-19.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Backpropagation, COVID-19, CRISP-DM, Face Mask, Neural Network, MLPClassifier.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 03:36
Last Modified:	03 Aug 2023 05:52
URI:	https://kc.umn.ac.id/id/eprint/21777

Actions (login required)

View Item