PENDETEKSI WAJAH MENGGUNAKAN METODE TRANSFER LEARNING DALAM ALGORITMA CNN (CONVOLUTIONAL NEURAL NETWORK)

Abstract

Sejak munculnya virus Corona Virus Disease atau Covid-19 di dunia termasuk di Indonesia semakin meningkat sejak tahun 2019. Hal ini disebabkan karena tingkat penyebaran virus Covid-19 sangat cepat. Demi mengurangi resiko penyebaran virus Covid-19, berbagai upaya telah dilakukan pemerintah Indonesia seperti memberlakukan pembatasan daerah dan memberlakukan peraturan protokol kesehatan, salah satunya diwajibkan memakai masker ketika melakukan kegiatan di luar rumah. Terhitung sejak tahun 2019, masyarakat saat ini mulai terbiasa dengan ada nya virus Covid-19 dan berlakunya protokol kesehatan pun mulai menurun. Oleh karena itu, dibutuhkan suatu sistem yang dapat membantu mengawasi masyarakat agar tetap mematuhi protokol kesehatan yang sedang berlaku. Sistem tersebut adalah sebuah sistem pendeteksi wajah untuk mendeteksi wajah seseorang ketika menggunakan masker, tidak menggunakan masker dan menggunakan masker posisi tidak benar secara real time. Sistem ini dapat diimplementasikan dengan berbagai macam metode, salah satunya dengan metode algoritma Convolutional Neural Network (CNN). Dalam pembuatan sistem ini, terdapat beberapa tahapan yang akan dilakukan yaitu, tahap pre-processing, tahap pembagian dataset menjadi 3 bagian (training,validation,test), tahapan augementasi, dan tahap klasifikasi. Pada tahap klasifikasi akan dibagi menjadi dua proses yaitu proses training dan proses testing. Proses training dilakukan menggunakan metode transfer learning yang akan menggunakan pre-trained model atau model yang sudah di olah sebelumnya, model pre-trained yang digunakan dari MobileNet. Hasil dari proses testing pada sistem klasifikasi ini menunjukkan bahwa dengan menggunakan algoritma Convolutional Neural Network (CNN) tingkat akurasi yang didapat sebesar 95%. Tingkat akurasi tersebut didapat dari hasil 25 data Gambar wajah menggunakan masker, tidak menggunakan masker, dan menggunakan masker tidak benar yang sebelumnya di uji secara realtime dan berhasil mengklasifikasi sebanyak 24 data gambar. Hasil akhir pada sistem ini adalah sebuah model berformat .tflite. Model .tflite dikonversi dengan menggunakan TensorFlow Lite agar model tersebut dapat digunakan dalam aplikasi mobile maupun web.