Open Journal Systems

E-Pindai: Pengolahan Citra Wajah Pendeteksi Penggunaan Masker dengan Metode Convolution Neural Network

       R. Wahyu Tri Hartono, Regina Nur Shabrina, Nadya Sarah, Muhammad Yusuf Fadhlan, Rida Hudaya, Supriyanto Supriyanto, Adyatma Adyatma

Abstract


Virus yang menyebabkan Covid-19 disebut SARS-CoV-2 menyebar secara cepat bila ada kontak erat dalam jarak sekitar 2 meter. Penggunaan masker merupakan salah satu cara menghindari penularan penyakit ini. Dalam penelitian ini dikembangkan alat pendeteksi penggunaan masker yang selanjutnya disebut E-Pindai. E-Pindai merupakan inovasi berbasis teknologi pengolahan citra menggunakan metoda Convolution Neural Network (CNN) dan Internet of Things (IoT).  Sistem ini dipasang di gerbang masuk area publik dimana setiap pengunjung yang masuk wajahnya akan dipindai. Jika terdeteksi tidak menggunakan masker maka pintu tetap tertutup, buzzer berbunyi, dan foto wajah dikirim ke Satuan Tugas Covid-19 melalui aplikasi Telegram sebagai notifikasi. Jika semua pengunjung menggunakan masker, pintu akan terbuka secara otomatis. Pemrosesan data dilakukan menggunakan Raspberry Pi yang telah diisi program menggunakan bahasa pemrograman Python. Data yang diolah akan menghasilkan bilangan logika 1 atau 0 yang menjadi kode perintah menggerakan motor servo untuk membuka atau menutup gerbang, serta mengaktifkan atau mematikan buzzer. Hasil pengujian terhadap 17 jenis masker menggunakan metode confusion matrix dihasilkan persentase akurasi 94%, presisi 100%, sensitivitas 94,11%, spesifisitas 100%, dan error rate 5,56%. Analisis jarak penangkapan gambar dan respon waktu juga dilakukan untuk melihat respon dari perangkat yang dibuat.


  http://dx.doi.org/10.31544/jtera.v7.i1.2022.17-24

Keywords


CNN, E-Pindai; masker; notifikasi; Raspberry Pi

Full Text:

  PDF

References


World Health Organization, “QA for public,” World Health Organization, 2020. [Online]. Available: https://www.who.int/indonesia/news/novel-coronavirus/qa/qa-for-public. [Accessed 16 Februari 2021].

Badan Pengawas Keuangan, “Keputusan Presiden (KEPPRES) Nomor 12 Tahun 2020,” 13 April 2020. [Online]. Available: https://peraturan.bpk.go.id/Home/ Details/135718/keppres-no-12-tahun-2020. [Accessed 18 Februari 2021].

Badan Pusat Statistik, “Perilaku Masyarakat Di Masa Pandemi Covid-19,” 28 September 2020. [Online]. Available: https://www.bps.go.id/publication/2020

/09/28/f376dc33cfcdeec4a514f09c/perilaku-masyarakat-di-masa-pandemi-covid-19.html. [Accessed 18 Februari 2021].

Ihsanuddin, “Jokowi: Semua Orang yang Keluar Rumah Wajib Pakai Masker,” Kompas, 6 April 2020. [Online]. Available: https://nasional.kompas.com/ read/2020/04/06/10130561/jokowi-semua-orang-yang-keluar-rumah-wajib-pakai-masker. [Accessed 18 Februari 2021].

R. N. Sabrina, “e-Detect: Deteksi Non-Pengguna Masker Berbasis Pengolahan Citra Menggunakan Metode Convolution Neural Network,” Tugas Akhir Prog. Studi Sarjana Terapan Teknik Telekomunikasi Politeknik Negeri Bandung, Bandung, 2021.

M. A. R. I. Harfi and A. D. Prasetya, “Prototipe Pendeteksi Masker Pada Ruangan Wajib Masker Untuk Kendali Pintu Otomatis Berbasis Deep Learning Sebagai Pencegahan Penularan COVID-19,” Simposium Nasional RAPI XIX, 2020, pp. 47-55.

M. M. Lambacing, Ferdiansyah, “Rancang Bangun New Normal COVID-19 Masker Detektor dengan Notifikasi Telegram Berbasis Internet of Things,”Jurnal DINAMIK, vol. 25, pp. 77-84, 2020.

G. Cheng, “A Mask Detection System Based on Yolov3-Tiny,” Journal of The Frontiers of Society, Science and Technology, vol. 2, no. 11, pp. 33-41, 2020.

M. R. Bhuiyan, S. A. Khushbu and M. S. Islam, “A Deep Learning Based Assistive System to Classify COVID-19 Face Mask for Human Safety with YOLOv3,” 2020 11th International Conference on Computing, Communication and Networking Technologies (ICCCNT), 2020, pp. 1-5.

K. Podbucki, “CCTV based system for detection of anti-virus masks,” Conference Proceedings, Poznan, 23rd-25th September 2020, pp. 97-91.

A. K. Bhadani and A. Sinha, “A Facemask Detector Using Machine Learning and Image Processing Techniques,” Engineering Science and Technology, an International Journal (JESTECH), pp. 1-8, 2020.

M. Loey, G. Manogaran, M. H. N. Taha and N. E. M. Khalifa, “A Hybrid Deep Transfer Learning Model with Machine Learning Methods for Face Mask Detection in The Era of the COVID-19 Pandemic,” Measurement, vol. 167, pp. 1-11, 2020.

R. W. Tri Hartono, N. Sarah, R. N. Shabrina and E. Lokajaya, “e-Detect: Non-User Mask Detection Based on Image Processing Using Convolutional Neural Network Method,” 13th International Conference on Information & Communication Technology and System (ICTS), Surabaya, Indonesia, 2021, pp. 271-276.




DOI: http://dx.doi.org/10.31544/jtera.v7.i1.2022.17-24
Abstract 74 View    PDF viewed = 38 View

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 JTERA (Jurnal Teknologi Rekayasa)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright @2016-2021 JTERA (Jurnal Teknologi Rekayasa) p-ISSN 2548-737X e-ISSN 2548-8678.

     Lisensi Creative Commons

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

 

JTERA Editorial Office:
Politeknik Sukabumi
Jl. Babakan Sirna 25, Sukabumi 43132, West Java, Indonesia
Phone/Fax: +62 266215417
Whatsapp: +62 81809214709
Website: https://jtera.polteksmi.ac.id
E-mail: jtera@polteksmi.ac.id