IMPLEMENTASI ALGORITMA CNN (CONVOLUTIONAL NEURAL NETWORK) UNTUK MENGKLASIFIKASIKAN WAJAH BERMASKER DAN TIDAK BERMASKER DALAM SISTEM APLIKASI EVA (EVERYONE’S VIGOR AUXILIARY)

Abstract

Perkembangan penyakit Covid-19 (Corona Virus Disease) di dunia terlebih lagi di Indonesia tidak menunjukan penurunan secara signifikan sejak Desember 2019 lalu. Hal ini dikarenakan tingkat penyebaran virus yang sangat cepat dan tergolong baru dalam dunia kesehatan. Oleh karena itu pemerintah maupun organisasi kesehatan di dunia sangat sulit untuk menanggulangi penyebaran virus ini. Berbagai cara telah dilakukan oleh pemerintah di seluruh dunia untuk menekan tingkat penyebaran virus corona ini. Salah satu nya di Indonesia, pemerintah memberlakukan berbagai pembatasan di beberapa daerah dan memberlakukan peraturan-peraturan baru yang mengimplementasikan berbagai protokol kesehatan. Salah satu protokol kesehatan yang diberlakukan adalah diwajibkannya untuk memakai masker ketika harus melakukan kegiatan di luar rumah. Oleh karena itu, dibutuhkan sebuah sistem atau aplikasi yang dapat membantu dalam mengawasi masyarakat agar tetap mematuhi protokol kesehatan yang ada. Sistem tersebut adalah sebuah system pendeteksi wajah yang mana dapat mengklasifikasikan wajah ketika memakai masker dan tidak memakai masker. Sistem ini dapat diimplementasikan dengan menggunakan berbagai macam metode, salah satunya adalah dengan metode Convolutional Neural Network (CNN). Dalam mengimplementasi sistem ini, tahapan yang akan dilakukan adalah tahap pre-processing, tahap klasifikasi, dan tahap konversi. Tahap pre-processing yang dilakukan adalah dengan konversi RGB dan mengubah ukuran data Gambar (resize). Dalam tahap klasifikasi, akan dibagi menjadi beberapa proses yaitu proses training dan proses testing. Proses training akan dilakukan dengan menggunakan metode transfer learning yang mana akan menggunakan model yang sudah diolah sebelumnya (pre-trained model). Hasil dari proses pengujian (testing) sistem klasifikasi ini menunjukan bahwa dengan menggunakan metode Convolutional Neural Network (CNN) tingkat akurasi yang didapat sebesar 96%. Tingkat akurasi ini didapat dari hasil pengujian terhadap 24 data Gambar wajah bermasker dan tidak bermasker, yang mana 23 data Gambar berhasil untuk diklasifikasi. Hasil akhir dalam sistem ini adalah sebuah model berformat .tflite. Model .tflite ini dikonversi dengan menggunakan TensorFlow Lite agar model dapat digunakan dalam aplikasi mobile maupun web.