SUTISNA, Muhammad Fakhrurrozi (2021) Perancangan Aplikasi Android Pendeteksi Masker Muka dengan Teknik Deep Learning. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Download (225kB)
	PDF (Legalitas) LEGALITAS-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Restricted to Repository staff only Download (314kB)
	PDF (Abstrak) ABSTRAK-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Download (911kB)
	PDF (BabI) BAB-I-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Restricted to Repository staff only Download (312kB)
	PDF (BabII) BAB-II-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Restricted to Repository staff only Download (976kB)
	PDF (BabIII) BAB-III-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Restricted to Repository staff only Download (656kB)
	PDF (BabIV) BAB-IV-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Restricted to Repository staff only Download (869kB)
	PDF (BabV) BAB-V-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Restricted to Repository staff only Download (299kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Download (256kB)
	PDF (Lampiran) LAMPIRAN-Muhammad Fakhrurrozi Sutisna-H1A017091-Skripsi-2021.pdf Restricted to Repository staff only Download (799kB)

Abstract

Coronavirus Disease 2019 (Covid-19) merupakan penyakit menular yang disebabkan oleh virus corona jenis baru, penyakit ini dapat menular dengan cepat secara droplet. Sehingga semua orang harus menjaga dan melindungi diri dengan berbagai macam protokol kesehatan, salah satunya adalah memakai masker ketika keluar rumah. Dalam kebiasaan baru penggunaan masker muka merupakan suatu kewajiban. Maka dari itu diperlukan sebuah aplikasi untuk mendeteksi pemakaian masker muka agar orang-orang lebih disiplin dan peduli terhadap hal tersebut. Pendeteksi masker muka dibangun dengan menggunakan teknik deep learning. Arsitektur yang digunakan yaitu jenis MobileNetV2 dan VGG16Net serta menggunakan deteksi muka dengan SSD ResNet10 dan library MTCNN. Pelatihan dan pengujian model dilakukan pada infrastruktur Google Colaboratory. Hasil dari pelatihan model tersebut kemudian disimpan dan dikonversi ke dalam bentuk file TensorFlow Lite yang selanjutnya diimpor ke dalam project pada Android Studio agar dapat diimplementasikan pada aplikasi Android. Hasil pelatihan dan validasi arsitektur CNN pada Google Colaboratory menggunakan arsitektur VGG16Net mendapatkan nilai akurasi pelatihan dan validasi sebesar 0.9967 dan 0.9909 lebih tinggi daripada arsitektur MobileNetV2 yaitu 0.9939 dan 0.9870, sedangkan untuk nilai kesalahan pelatihan dan validasi sebesar 0.0140 dan 0.0295 untuk aristektur VGG16Net lebih rendah daripada arsitektur MobileNetV2 yaitu 0.0210 dan 0.0387. Pada pengujian model deteksi masker muka, kombinasi algoritma yang menggunakan arsitektur MobileNetV2 lebih unggul daripada arsitektur VGG16Net dalam melakukan klasifikasi, sedangkan untuk algoritma deteksi wajah SSD ResNet10 lebih unggul daripada library MTCNN. Kemudian pada pengujian aplikasi android nilai yang didapatkan akurat karena hampir seluruh pengujian mendapatkan tingkat probabilitas yang tinggi. Lama inference time terbaik pada ponsel Mi A1 untuk menyatakan akurat dalam melakukan deteksi masker muka yaitu 110 ms. Terdapat faktor yang mempengaruhi kesalahan deteksi yaitu jarak, intensitas cahaya, jenis masker yang menyerupai wajah, dan spesifikasi ponsel.

Actions (login required)

View Item