Acep Ansor
131105150579
DETEKSI MASKER MENGGUNAKAN FRAMEWORK TENSORFLOW DAN PRE-TRAINED CNN MODEL BERBASIS RASPBERRY PI. Penggunaan masker merupakan salah satu protokol kesehatan bagi masyarakat di tempat dan fasilitas umum dalam rangka pencegahan dan
pengendalian covid-19. Pandemi covid-19 di seluruh dunia telah mendorong para
pengambil keputusan dan berbagai elemen masyarakat untuk turut andil dalam
berbagai macam bidang dan kontribusi untuk menekan penyebaran covid-19.
Machine learning dan computer vision merupakan salah satu cabang keilmuan
Artificial Intelligence (AI) dan dapat dikembangkan dalam berbagai pengenalan
citra. Dalam penelitian ini digunakan salahsatu Application Program Interface
(API) machine learning yaitu Tensorflow dan pre-trained CNN model, serta
Raspberry Pi yang merupakan perangkat mobile sebagai sistem untuk mendeteksi
masker. Analisis dilakukan untuk mengetahui akurasi, presisi dan recall
(sensitivitas) dari hasil implementasi sistem. Hasil implementasi menunjukan
penggunaan transfer learning dan fine-tuning cukup membantu proses training
model. Pada saat model dijalankan dalam perangkat Raspberry Pi dihasilkan
persentase akurasi 96% pada pengujian dengan input file gambar dan 91% pada
pengujian dengan input video (realtime), presisi 100% pada pengujian dengan input
file gambar dan 80% pada pengujian dengan input video (realtime). Pada performa
true positive rate (recall), didapatkan 92% pada pengujian dengan input file gambar
dan 100% pada pengujian dengan input video (realtime). Namun demikian dalam
penelitian ini masih terdapat error type I pada pengujian dengan input video
(realtime) dan error type II pada pengujian dengan input file gambar. Pada masa
mendatang diharapkan adanya perbaikan dan pengembangan dari penelitian ini
dengan memperbaiki kualitas dataset dan penggunaan resource komputasi yang
lebih tinggi.
Kata kunci: Covid-19, Masker, Tensorflow, CNN, Raspberry Pi,