Search for collections on Repository Universitas Satya Negara Indonesia

Implementasi Deep Learning Menggunakan Framework Tensorflow Dengan Metode Convolutional Neural Network Untuk Mendeteksi Masker Wajah

Husaini, Fahri (2021) Implementasi Deep Learning Menggunakan Framework Tensorflow Dengan Metode Convolutional Neural Network Untuk Mendeteksi Masker Wajah. Undergraduate thesis, Universitas Satya Negara Indonesia.

[img] Text
skripsi.pdf

Download (3MB)

Abstract

Universitas Satya Negara Indonesia sudah menerapkan protokol Kesehatan pada lingkungan kampus, Penerapan protokol Kesehatan di lingkungan kampus dengan menyediakan security yang berjaga dipintu masuk kampus untuk mengecek kelengkapan protokol Kesehatan termasuk penggunaan masker, dengan menyediakan tenaga manusia untuk menerapkan protokol Kesehatan di lingkungan kampus memungkinkan terjadinya tidak konsistensi nya penerapan protokol Kesehatan karena security yang bertugas memiliki waktu untuk istirahat dan keluar dari area penjagaan untuk mengerjakan tugas lain. Penelitian ini bertujuan untuk menerapkan penggunaan Deep Learning model Convolutional Neural Network menggunakan Framework TensorFlow untuk dapat memprediksi penggunaan masker wajah dan mengimplementasikan nya dengan membuat sistem pendeteksi masker wajah secara realtime. Deep learning sebagai metode pembelajaran mesin yang dapat merepesentasikan data ke mesin untuk memprediksi suatu hal yang masih abstrak. Deep Learning memiliki model pembelajaran salah satu nya Convolution Neural Network yang dapat digunakan untuk computer vision, face recognition dan object detection yang bisa menggunakan objek berupa gambar array video dengan di dukung menggunakan Framework TensorFlow dapat memprediksi penggunaan masker wajah dengan nilai akurasi tertinggi sebesar 99,7 % , nilai loss sebesar 0,017 % , validasi akurasi sebesar 99,7% dan validasi loss sebesar 0,016%. Pada pengujian kemampuan sistem dalam mendeteksi penggunaan masker dari berbagai kondisi, sistem berhasil mendeteksi penggunaan masker secara realtime dengan nilai akurasi 90%.

Item Type: Thesis (Undergraduate)
Subjects: Technology > Technology (General)
Divisions: Fakultas Teknik > Teknik Informatika (S1)
Depositing User: Tn Andrian Prayudho
Date Deposited: 22 Feb 2023 09:09
Last Modified: 22 Feb 2023 09:09
URI: http://repo.usni.ac.id/id/eprint/2741

Actions (login required)

View Item View Item