DETEKSI PENGGUNAAN MASKER MENGGUNAKAN XCEPTION TRANSFER LEARNING

DARMATASIA DARMATASIA

doi:10.24252/instek.v5i2.20132

DARMATASIA DARMATASIA UIN ALAUDDIN MAKASSAR
(ID)

DOI: https://doi.org/10.24252/instek.v5i2.20132

Abstract

Covid-19 telah membawa dampak dalam berbagai aspek kehidupan. Hal tersebut menjadi landasan bagi pemerintah untuk mengambil langkah penerapan protokol kesehatan dalam aktivitas yang dilakukan di luar rumah. Salah satu bagian dari protokol kesehatan adalah kewajiban menggunakan masker pada saat keluar rumah. Saat ini, masih banyak masyarakat yang tidak menggunakan masker saat beraktivitas di luar rumah. Selain itu, terdapat beberapa kalangan yang menggunakan masker namun tidak sesuai dengan standar. Pada penelitian ini akan dilakukan deteksi penggunaan masker dengan menggunakan pendekatan deep learning. Metode yang digunakan yaitu Xception dengan transfer learning. Model yang dikembangkan dapat mendeteksi tiga tipe penggunaan masker yaitu penggunaan masker sesuai dengan standar, penggunaan masker yang tidak sesuai dengan standar, dan tidak menggunakan masker sama sekali. Model yang telah dilatih memperoleh tingkat akurasi sebesar 97%. Hasil penelitian ini diharapkan dapat dintegrasikan dengan perangkat lain untuk pengembangan sistem deteksi penggunaan masker secara menyeluruh.

Kata Kunci: Masker; Transfer Learning; Xception;

Downloads

Download data is not yet available.

Author Biography

DARMATASIA DARMATASIA, UIN ALAUDDIN MAKASSAR

TEKNIK INFORMATIKA UIN ALAUDDIN MAKASSAR

References

Chollet, F. (2016). Xception: Deep Learning with Depthwise Separable Convolutions. CoRR, abs/1610.0. http://arxiv.org/abs/1610.02357

Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., & Fei-Fei, L. (2009). ImageNet: A large-scale hierarchical image database. 2009 IEEE Conference on Computer Vision and Pattern Recognition. https://doi.org/10.1109/CVPR.2009.5206848

Ejaz, M. S., & Islam, M. R. (2019). Masked face recognition using convolutional neural network. 2019 International Conference on Sustainable Technologies for Industry 4.0, STI, December 2019. https://doi.org/10.1109/STI47673.2019.9068044

Gultom, Y., Arymurthy, A. M., & Masikome, R. J. (2018). Batik Classification using Deep Convolutional Network Transfer Learning. Jurnal Ilmu Komputer Dan Informasi, 11(2). https://doi.org/https://doi.org/10.21609/jiki.v11i2.507

Hermawan, R., Adi, D. R., Anwar, N., & Malabay. (2020). Sistem Pendeteksi Penggunaan Masker Sesuai Protokol Kesehatan Covid 19 Menggunakan Metode Deep Learning. Konferensi Nasional Ilmu Komputer 4, 654–658.

Hinton, G. E., Srivastava, N., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R. R. (2012). Improving neural networks by preventing co-adaptation of feature detectors.

Lambacing, M. M., & Ferdiansyah, F. (2020). Rancang Bangun New Normal Covid-19 Masker Detektor Dengan Notifikasi Telegram Berbasis Internet of Things. Dinamik, 25(2), 77–84. https://doi.org/10.35315/dinamik.v25i2.8070

Keputusan Menteri Kesehatan Republik Indonesia, Pub. L. No. HK.01.07/MENKES/382/2020 (2020).

Weiss, K., Khoshgoftaar, T. M., & Wang, D. (2016). A survey of transfer learning. Journal of Big Data, 3(1), 9. https://doi.org/10.1186/s40537-016-0043-6

Zhu, Y., Chen, Y., Lu, Z., Pan, S. J., Xue, G.-R., Yu, Y., & Yang, Q. (2011). Heterogeneous Transfer Learning for Image Classification. Proceedings of the Twenty-Fifth AAAI Conference on Artificial Intelligence, 1304–1309.