Deteksi Penggunaan Masker pada Wajah Menggunakan Algoritma Convolutional Neural Network dan Haar Feature-Based Cascade Classifier

Pan, Geraldo (2022) Deteksi Penggunaan Masker pada Wajah Menggunakan Algoritma Convolutional Neural Network dan Haar Feature-Based Cascade Classifier. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (2MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (281kB) | Preview
Preview	PDF BAB_I.pdf Download (517kB) | Preview
Preview	PDF BAB_II.pdf Download (820kB) | Preview
Preview	PDF BAB_III.pdf Download (926kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
Preview	PDF BAB_V.pdf Download (435kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (834kB)

Abstract

Maraknya penyebaran virus Covid-19 di tahun 2020-2022 sangat mengkhawatirkan seluruh orang di dunia, di tambah dengan penyebaran varian baru dari virus Covid-19 yang lebih aggresif dan transmisi yang sangat mudah melalui tetesan kecil seperti cairan yang dikeluarkan saat orang batuk, bersin, atau air liur yang dikeluarkan saat bicara membuat infeksi dari penyakit ini sangat mudah. Kebijakan menggunakan masker untuk mengurangi penyebaran virus sudah di buat untuk minimalisasi penyebaran. Namun biarpun ada kebijakan itu, masih ada saja orang-orang yang tidak mau menggunakan masker dapat membahayakan orang- orang disekitarnya. Oleh sebab itu, sistem deteksi penggunaan masker dibutuhkan untuk mencari tahu apakah seseorang menggunakan masker atau tidak untuk membantu membedahkan orang yang tidak menggunakan masker dengan cara menampilkan alert dalam aplikasi berbasis web. Penelitian ini dilakukan menggunakan beberapa teknik augmentasi data untuk menambah variasi dari data yang akan digunakan sebelum melakukan pelatihan model algoritma menggunakan algoritma Convolutional Neural Network dengan arsitektur MobileNetV2 dan VGG19. Kedua model tersebut kemudian di evaluasi dimana arsitektur dengan performa terbaik akan di implementasi dalam bentuk aplikasi web. Kedua model tersebut dibandingkan akurasinya, dengan hasil akurasi MobileNetV2 sebesar 99% dengan waktu training 37 menit dan VGG19 sebesar 98% dengan waktu training selama 2 jam 36 menit. MobileNetV2 sebagai model yang memiliki nilai akurasi terbaik akan di implementasi dalam bentuk aplikasi web menggunakan Haar Feature-Based Cascade untuk mendeteksi masker.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Convolutional Neural Network, Deteksi masker, Feature-Based Cascade, MobileNetV2, VGG19
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 07:02
Last Modified:	03 Aug 2023 02:16
URI:	https://kc.umn.ac.id/id/eprint/22483

Actions (login required)

View Item