Implementasi Algoritma YOLO pada Model Kamera untuk Ketertiban dalam menggunakan Masker di Fakultas Teknik Universitas Jember

Abstract

Corona virus (covid-19) ialah virus baru yang termasuk dalam keluarga besar virus yang pertama kali ada pada kota Wuhan, Tiongkok bulan Desember 2019. Virus corona dapat menyebar melalui mulut atau hidung sehingga dibutuhkan kesadaran bagi individu untuk menggunakan masker di tempat umum. Untuk melakukan pengawasan ini bisa digantikan dengan face recognation menggunakan metode CNN. face recognation merupakan perkembangan teknologi yang dapat mendeteksi objek berupa gambar yang dapat di gunakan dengan sistem Artificial Intelligence (AI). Metode CNN merupakan bagian dari AI (Artificial Intelligence) yang dapat disimulasikan seperti pemikiran manusia. AI berkaitan denganComputer vision karena dapat mengindentifikasi atau memproses suatu objek. Penelitian ini digunakan untuk membaca deteksi suhu pada objek serta objek orang bermasker dengan deteksi kelas Bermasker, Tidak Bermasker, dan Bermasker salah kemudian status deteksi kelas akan ditampilkan di monitor. Sistem di buat dengan menggunakan dataset sebanyak 400 gambar untuk melakukan proses training data. Data hasil yang terbaik yaitu menggunakan model YOLOV5s dengan nilai epoch 300, bacth size 16, dan Optimizer Stochastic Gradient Descent (SGD). Hasil data training nilai mAP pada model ini sebesar 0,955. dan deteksi menggunakan kamera wabcame yang memiliki resolusi tinggi yaitu 1920 pixel x 1080 pixel mengahasilkan rata-rata eror pada kelas bermakser 0 %, kelas tidak bermasker 22.2 %, dan kelas bermasker salah 0 %. Intensitas cahaya pada deteksi sangat berpengaruh pada hasil deteksi dari kelas bermasker, tidak bermasker, dan bermasker salah. Pengujian pengaruh intensitas pada deteksi bekerja dengan rentang 1000 - 2000 lux. Pendeteksian suhu dilakukan dengan menggunakan sensor suhu non contact GY-906 MLX90614 dengan hasil eror % terkecil yaitu 2.7 %.