DOI: https://doi.org/10.14710/transmisi.25.4.179-185

SISTEM DETEKSI MASKER PADA WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR VGG16

Mohammad Ushuludin  -  Program Studi Teknik Informatika, Universitas Islam Sultan Agung Semarang, Indonesia
*Sam Farisa Chaerul Haviana  -  Program Studi Teknik Informatika, Universitas Islam Sultan Agung Semarang, Indonesia
Imam Much Ibnu Subroto  -  Program Studi Teknik Informatika, Universitas Islam Sultan Agung Semarang, Indonesia
Dikirim: 23 Agu 2023; Diterbitkan: 1 Des 2023.
Akses Terbuka Copyright (c) 2023 Transmisi: Jurnal Ilmiah Teknik Elektro under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Sari
Pandemi COVID-19 telah mengubah paradigma global terhadap kesehatan dan kebersihan lingkungan. Penyakit yang disebabkan oleh SARS CoV-2 telah menimbulkan dampak serius di seluruh dunia. Di Indonesia, penanganan pandemi ini melibatkan berbagai peraturan dan upaya pencegahan, termasuk penggunaan masker sebagai langkah penting. Selain karena pandemi tersebut penggunaan masker juga sangat penting dilakukan di area tertentu misalnya rumah sakit. Penggunaan masker oleh dokter dan perawat saat merawat pasien sangatlah krusial untuk melindungi mereka dan mencegah penyebaran droplet penyakit. Meskipun penting, tingkat kepatuhan terhadap penggunaan masker di rumah sakit masih bervariasi. Penelitian ini mengembangkan sistem deteksi masker pada wajah menggunakan metode convolutional neural network (CNN) arsitektur VGG16. Sistem deteksi masker ini dapat memberikan alternatif teknologi bagi petugas dalam mengawasi dan memantau penggunaan masker pada individu di lingkungan rumah sakit atau tempat-tempat lain yang memerlukan penggunaan masker sehingga membantu efisiensi pengecekan serta pengurangan beban kerja.  Melalui pengujian dan evaluasi, ditemukan bahwa penggunaan threshold rendah sebesar 0.5 pada sistem deteksi masker memberikan hasil prediksi yang lebih akurat dengan tingkat akurasi mencapai 90% dan f1-score 0,909. Pengaturan threshold ini memungkinkan sistem menjadi lebih sensitif dalam mengenali apakah seseorang menggunakan masker atau tidak.

Catatan: Artikel ini mempunyai file lampiran.

Fulltext View|Download |  common.other
Jawaban dan revisi berdasarkan komentar reviewer
Subjek
Tipe Yang lain
  Unduh (15KB)    metadata pengindeksan
Kata Kunci: COVID-19;Masker; Convolutional Neural Network; VGG16

Article Metrics:

Article Info
Bagian: Artikel - Teknologi Informasi dan Komputer
Bahasa : ID
Recent articles
PENGARUH DELAY PADA MODUL WIFI 802.11B/G/N ESP 32 DI RENTANG FREKUENSI 2.4 GHZ TERHADAP SMART CONTROL SOLAR HOME SYSTEM OPTIMALISASI KINERJA REPEATER SINYAL GLOBAL SYSTEM FOR MOBILE DENGAN METODE HIGH-MULTI SERIAL (STUDI KASUS : PEGUNUNGAN PEGANTENAN, PAMEKASAN) SISTEM MONITORING DAN PERLINDUNGAN TANAMAN DARI GANGGUAN HEWAN BERBASIS INTERNET OF THINGS PERANCANGAN SISTEM PEMANTAUAN KONDISI TEMPAT SAMPAH KAMPUS BERBASIS INTERNET OF THINGS (IOT) (STUDI KASUS : FAKULTAS SAINS DAN TEKNOLOGI UIN SUSKA RIAU) PENERAPAN DETEKSI GARIS PADA AGV MENGGUNAKAN METODE HSV SISTEM DETEKSI MASKER PADA WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR VGG16 ANALISIS KETIDAKSEIMBANGAN BEBAN TRANSFORMATOR DISTRIBUSI DI PT. PLN (PERSERO) UPDL PANDAAN More recent articles
Most cited articles
PENENTUAN LOKASI PEMASANGAN LIGHTNING MASTS PADA MENARA TRANSMISI UNTUK MENGURANGI KEGAGALAN PERLINDUNGAN AKIBAT SAMBARAN PETIR Analisis Indikasi Kegagalan Transformator dengan Metode Dissolved Gas Analysis RANCANG BANGUN SISTEM PEMANTAUAN INFUS BERBASIS ANDROID ANALISIS JARINGAN FTTH (FIBER TO THE HOME) BERTEKNOLOGI GPON (GIGABIT PASSIVE OPTICAL NETWORK) SISTEM INFORMASI VISITASI AKREDITASI PROGRAM STUDI TEKNIK INFORMATIKA More cited articles
  1. S. Sutari, H. Idris, and M. Misnaniarti, “Implementasi Kebijakan Vaksinasi Covid-19 Di Indonesia: Narrative Review,” Riset Informasi Kesehatan, vol. 11, no. 1, p. 71, May 2022, doi: 10.30644/rik.v11i1.637
  2. M. R. Simanjuntak, L. Rahmayanti, and R. Gintinga, “Analysis Of Factors That Affect Compliance In Using Masks To Prevent The Spread Of Covid-19,” 2022
  3. A. J. Taufiq, M. T. Tamam, and S. Susiyadi, “Perancangan Sistem Buka Tutup Pintu Area Terbatas Berdasarkan Deteksi Masker,” JRST (Jurnal Riset Sains dan Teknologi), vol. 6, no. 2, p. 221, Nov. 2022, doi: 10.30595/jrst.v6i2.15449
  4. M. Tuntun, “Pola Bakteri Kontaminan Serta Resistensinya di ICU dan Ruang Operasi Pada Rumah Sakit di Bandar Lampung Pola Bakteri Kontaminan Serta Resistensinya di ICU dan Ruang Operasi Pada Rumah Sakit di Bandar Lampung.,” 2022
  5. R. A. Doga, “Sistem Identifikasi Nominal Uang Logam Menggunakan Tensorflow Dan Convolutional Neural Network Berbasis Raspberry Pi,” no. 2018, pp. 123–126, 2019
  6. A. Wulan, “Deep Learning Untuk Deteksi Wajah Yang Berhijab Menggunakan Algoritma Convolutional Neural Network (Cnn) Dengan Tensorflow,” vol. 28, no. 2, pp. 1–43, 2020, [Online]. Available: http://repositorio.unan.edu.ni/2986/1/5624.pdf
  7. F. Nurona Cahya, N. Hardi, D. Riana, and S. Hadianti, “Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN),” 2021. [Online]. Available: http://sistemasi.ftik.unisi.ac.id
  8. A. Maharil, “Perbandingan Arsitektur Vgg16 Dan Resnet50 Untuk Rekognisi Tulisan Tangan Aksara Lampung’,” Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), vol. 3, no. 2, pp. 236–243, 2022, [Online]. Available: http://jim.teknokrat.ac.id/index.php/informatika
  9. D. Setiawan, S. Widodo, T. Ridwan, and R. Ambari, “Perancangan Deteksi Emosi Manusia Berdasarkan Ekspresi Wajah Menggunakan Algoritma VGG16,” 2022
  10. Moh. A. Hasan, Y. Riyanto, and D. Riana, “Klasifikasi penyakit citra daun anggur menggunakan CNN dan model VGG16,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 4, pp. 218–223, Oct. 2021, doi: 10.14710/jtsiskom.2021.14013
  11. R. Windiawan and A. Suharso, “Identifikasi Penyakit pada Daun Kopi Menggunakan Metode Deep Learning VGG16,” 2021, doi: 10.35891/explorit
  12. M. J. Dharmali, T. Lioner, and V. V. Susilo, “Sistem Klasifikasi Kerapihan Kamar Hotel Menggunakan Convolutional Neural Network (CNN),” 2021. [Online]. Available: https://www.kaggle.com
  13. A. Willyanto, D. Alamsyah, and H. Irsyad, “Identifikasi Tulisan Tangan Aksara Jepang Hiragana Menggunakan Metode CNN Arsitektur VGG-16,” Jurnal Algoritme, vol. 2, no. 1, pp. 1–11, 2021
  14. J. Pardede and H. Hardiansah, “Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan Arsitektur VGG 16,” MIND Journal, vol. 7, no. 1, pp. 21–36, Jun. 2022, doi: 10.26760/mindjournal.v7i1.21-36
  15. Y. Miftahuddin and F. Adani, “Sistem Klasifikasi Jenis Kupu-Kupu Menggunakan Visual Geometry Group 16,” 2022
  16. R. Agustina, R. Magdalena, and N. K. C. Pratiwi, “Klasifikasi Kanker Kulit menggunakan Metode Convolutional Neural Network dengan Arsitektur VGG-16,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 10, no. 2, p. 446, Apr. 2022, doi: 10.26760/elkomika.v10i2.446
  17. A. L. A. Shidiq, E. Suhartono, and S. Saidah, “Klasifikasi Kecacatan Ban Untuk Mengendalikan Kualitas Produk Menggunakan Model CNN Dengan Arsitektur VGG-16,” 2022. [Online]. Available: www.kaggle.com
  18. A. M. N. Hidayat and I. M. Zakiyah, “Identifikasi Nominal Mata Uang Rupiah Bagi Penyandang Tunanetra Dengan Algoritma Convolutional Neural Network Berbasis Android,” JOURNAL SHIFT VOL, vol. 3, 2023
  19. Supirman, C. Lubis, and D. Yuliarto, “Klasifikasi Penyakit Kulit Menggunakan Convolutional Neural Network (CNN) Dengan Arsitektur VGG16,” vol. 8, no. 1, 2023

Last update:

No citation recorded.

Last update: 2024-05-08 20:56:16

No citation recorded.