SYAWALLANI, SYAWALLANI and Faurina, Ruvita and Vatresia, Arie (2021) IDENTIFIKASI WAJAH BERMASKER DAN TIDAK BERMASKER MENGGUNAKAN MASK R-CNN. Other thesis, Universitas Bengkulu.
![Thesis [thumbnail of Thesis]](https://repository.unib.ac.id/style/images/fileicons/archive.png)
Laporan Skripsi Syawallani_G1A016049.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).
Download (8MB)
Abstract
Corona Virus Disease 2019 (Covid-19) menjadi pandemi di berbagai negara,
termasuk di Indonesia. Penggunaan masker merupakan bagian dari langkah
pencegahan dan pengendalian penyebaran Covid-19 di Indonesia. Selama ini
pendeteksian masker dilakukan manual dengan pengamatan dari petugas
keamanan. Dimana sulit untuk memastikan penggunaan masker diterapkan dengan
baik pada ruang publik dengan wilayah yang luas. Dalam penelitian ini dibangun
sebuah model identifikasi wajah bermasker dan tidak bermasker dengan
memanfaatkan algoritma Mask R-CNN. Dengan menggunakan Resnet-101 dan
Feature Pyramid Network (FPN) sebagai backbone CNN untuk mengekstraksi
gambar. Region Proposal Network (RPN) yang berguna untuk membuat region
proposal dari setiap feature map. Dengan memanfaatkan Box Head dan Mask Head
dari Mask R-CNN, mendapatkan mask/topeng dan nama kelas dari objek terdeteksi.
Penelitian ini menggunakan 1019 dataset training untuk melatih sistem deep
learning dan 301 dataset validasi untuk validasi dan evaluasi terhadap model yang
dihasilkan. Didapat hasil sudut deteksi terbaik kamera pada rentang 45o -135o
,
dengan jarak maksimal deteksi sejauh 500 cm. Evaluasi model dengan nilai
threshold(@) IoU dan minimum confidence threshold(@) sebesar @0.50
mendaptatkan mean Avarage Precison sebesar 76.56%. Dengan menaikkan tingkat
kepercayaan atau minimum confidence threshold(@) menjadi @0.90 mean Avarage
Precison yang didapatkan sebesar 75.72%.
Kata kunci : Covid-19, Deep Learning, wajah bermasker, Mask R-CNN.
Item Type: | Thesis (Other) |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering > Department of Informatics Engineering |
Depositing User: | 58 lili haryanti |
Date Deposited: | 08 Oct 2025 01:39 |
Last Modified: | 08 Oct 2025 01:42 |
URI: | https://repository.unib.ac.id/id/eprint/28054 |