SISTEM DETEKSI MASKER PADA WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR VGG16

USHULUDIN, MOHAMMAD (2023) SISTEM DETEKSI MASKER PADA WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR VGG16. Undergraduate thesis, UNIVERSITAS ISLAM SULTAN AGUNG.

	Text Teknik Informatika_32601601059_fullpdf.pdf Download (5MB)
	Text Teknik Informatika_32601601059_pernyataan_publikasi.pdf Restricted to Registered users only Download (58kB)

Abstract

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 tempattempat 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. Kata Kunci: COVID-19, Masker, Convolutional Neural Network, VGG16

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 3 UNISSULA
Date Deposited:	19 Oct 2023 01:29
Last Modified:	19 Oct 2023 01:29
URI:	http://repository.unissula.ac.id/id/eprint/31981

Actions (login required)

View Item