PERBANDINGAN TINGKAT AKURASI ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK MODEL IMPLEMTASI DETEKSI PENGGUNAAN MASKER

Abstract

Pada saat ini Indonesia sedang menghadapi pandemi COVID19, anjuran pemeritah guna untuk menekan penyebaran virus adalah dengan cara menggunakan masker. Pada penelitian sebelumnya, pendeteksian masker hanya ditujukan untuk mendeteksi menggunakan masker dan tidak menggunakan masker. Namun, pada kenyatannya saat penggunaan masker harus dengan cara yang benar, sehingga manfaat yang didapat dalam menggunakan masker bisa maksimal. Oleh karena itu, pada penelitian ini ditambahkan satu kelas baru sehingga menjadi 3 kelas yaitu menggunakan masker dengan benar, tidak menggunakan masker, dan menggunakan masker tidak benar. Tujuan dari penelitian ini adalah membandingkan model pretrained keras Convolutional Neural network (CNN), yaitu VGG16, Mobilenetv2 dan Inceptionv3 untuk mendapatkan hasil akurasi terbaik dan mengimplementasikannya untuk sistem deteksi masker secara otomatis. Selain itu, penelitian ini juga menjelaskan bagaimana karakteristik arsitektur ketiga model tersebut. Setalah dilakukan pengujian,diketahui bahwa hasil akurasi yang didapatkan dengan dataset yang sama namun model CNN berbeda mendapatkan hasil yang berbeda juga. Mobilenetv2 mendapatkan hasil akurasi tertinggi dengan persetase 100%.