Penerapan Arsitektur CNN Pada Metode Yolo Dalam Mengidentifikasi Citra Penggunaan Masker Secara Real-Time
Dalam masa pandemi masih banyak orang yang kurang tertib dalam mematuhi protokol kesehatan terutama dalam penggunaan masker baik itu aktivitas didalam ruangan maupun diluar ruangan. Oleh karena itu diperlukan sebuah sistem yang dapat mendeteksi atau mengidentifikasi sebuah objek berupa penggunaan masker. Dalam penelitian ini menggunakan Metode YOLO yang memiliki arsitektur dari Algoritma Convulational Neural Network (CNN), dengan menggunakan darknet53 untuk men training model pada metode YOLO agar dapat mendeteksi objek secara real-time. Dalam mengidentifikasi objek menggunakan metode YOLO terhadap penggunaan masker, sistem dapat berjalan dan dapat mendeteksi objek dengan cukup akurat Dengan akurasi tertinggi mencapai 74%. sistem dapat dikatakan berhasil dalam mengidentifikasi pemakaian masker dengan menggunakan metode YOLO dengan tingkat keakurasian cukup baik.
Kata Kunci : Convulational Neural Network, YOLO, Deteksi Objek, Citra Digital, Masker
Detail Information
| Bagian |
Informasi |
| Pernyataan Tanggungjawab |
|
| Pengarang |
Aldo Zamaludin Fernando - Personal Name
Pratama, Adi Rizky - Personal Name
Juwita, Ayu Ratna - Personal Name
|
| Edisi |
Print |
| No. Panggil |
TA/IF 220061 |
| Subyek |
Informatika
Komputer
|
| Klasifikasi |
Teknik Informatika |
| Judul Seri |
|
| GMD |
Text |
| Bahasa |
Indonesia |
| Penerbit |
Fakultas Ilmu Komputer |
| Tahun Terbit |
2022 |
| Tempat Terbit |
karawang |
| Deskripsi Fisik |
|
| Info Detil Spesifik |
Teknik Informatika |
Citation
. (2022).Penerapan Arsitektur CNN Pada Metode Yolo Dalam Mengidentifikasi Citra Penggunaan Masker Secara Real-Time.(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd
