Perancangan Deteksi Penggunaan Masker Menggunakan Convolutional Neural Network

AGNES FIFINELA DAMARA

Informasi Dasar

22.04.184
006.32
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAK

Semakin maraknya penularan virus Covid-19 yang dapat ditularkan melalui droplet dari saluran pernapasan seperti batuk dan bersin, WHO (World Health Organization) menghimbau pemerintah di setiap negara agar mendorong masyarakat umum untuk menggunakan masker disetiap aktivitas untuk menekan penyebaran virus Covid-19. Masker merupakan alat pelindung diri yang dapat melindungi hidung dan mulut dari virus. Masyarakat umum yang akan memasuki sebuah ruangan kemungkinan akan berkumpul dan tidak mengetahui kesehatan orang yang akan ditemuinya, sehingga mereka harus dipastikan telah menggunakan masker sebelum masuk ke dalam ruangan. Untuk mengatasi permasalahan tersebut dibutuhkan alat yang dapat mendeteksi penggunaan masker pada seseorang yang akan memasuki ruangan tersebut. Pada penelitian ini dirancang sebuah alat yang dapat mendeteksi penggunaan masker berdasarkan dua klasifikasi yaitu menggunakan masker dan tidak menggunakan masker dengan pengolahan citra digital menggunakan metode convolutional neural network (CNN). CNN merupakan bagian dari deep learning yang menirukan kecerdasan otak manusia dengan mengekstraksi ciri pada gambar masukan. Proses ekstraksi dilakukan pada layer konvolusi, fungsi aktivasi ReLU, dan max pooling yang masing-masing memiliki lima layer, serta layer klasifikasi sebanyak dua layer. Masukan gambar diambil menggunakan modul kamera Raspberry Pi yang tersambung dengan Raspberry Pi sebagai mikrokomputer untuk pengolahan data. Keluaran dari sistem yang dirancang berupa suara yang dihasilkan oleh speaker berdasarkan hasil klasifikasi yang terdeteksi. Alat yang dirancang berukuran 15 cm × 12 cm × cm. Beberapa percobaan dilakukan untuk mengevaluasi kinerja alat yaitu dengan menggunakan empat jenis masker yang berbeda yang digunakan oleh sebelas orang sebagai subjek. Hasil dari penelitian tugas akhir ini didapatkan persentase keberhasilan training accuracy sebesar 98,85% dan training loss sebesar 12,49%. Sedangkan validation accuracy 98,88% dan validation loss sebesar 9,35%. Waktu deteksi yang didapatkan pada pengujian secara realtime berada pada rentang waktu 1,31 detik hingga 1,96 detik.

Kata Kunci : Masker, Convolutional Neural Network, Google Colaboratory

Subjek

NEURAL NETWORKS
 

Katalog

Perancangan Deteksi Penggunaan Masker Menggunakan Convolutional Neural Network
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

AGNES FIFINELA DAMARA
Perorangan
RIZKY ARDIANTO PRIRAMADHI, WILLY ANUGRAH CAHYADI
 

Penerbit

Universitas Telkom, S1 Teknik Elektro
Bandung
2022

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini