Nugroho, Aji (2022) IDENTIFIKASI PENGGUNAAN MASKER DI MASA PANDEMI COVID-19 MENGGUNAKAN ALGORITMA YOLO V4. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (645kB) |
|
Text (BAB I)
BAB I.pdf Download (220kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (889kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (479kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (550kB) |
|
Text (BAB V)
BAB V.pdf Download (46kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (105kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code 18.11.2022 Aji Nugroho.zip Restricted to Repository staff only Download (39MB) |
|
Text (PUBLIKASI)
Publikasi 18.11.2022 Aji Nugroho.pdf Restricted to Repository staff only Download (526kB) |
Abstract
Peningkatan kasus virus Covid 19 di tahun 2020 menjadi permasalahan yang besar secara global. Seiring dengan meluasnya virus yang tidak terkendali menyebabkan banyak aspek mengalami kerugian, maka cara untuk mencegah salah satunya dengan menggunakan masker. masker sangat efektif dalam mengurangi kasus penyebaran virus Covid 19. Dengan menggunakan sistem mendeteksi penggunaan masker yaitu dengan memanfaatkan deep learning untuk classificiation dan object detection. Penelitian ini dilakukan menggunakan algoritma You Look Only Once (YOLO) versi 4 yang merupakan salah satu algoritma deep learning dengan performa yang bagus dalam real-time detection. Tujuan dari penelitian ini yaitu untuk mengetahui faktor-faktor yang mempengaruhi kinerja algoritma YOLO dalam mendeteksi dan klasifikasi citra penggunaan masker. Dengan menggunakan framework Darknet algoritma YOLO dapat digunakan untuk melatih dataset yang dibuat sendiri. Dataset yang digunakan pada penelitian ini sebanyak 1451 citra yang dibagii dalam 2 kelas yaitu mask dan no_mask. Tahapan training, validation, dan real- time testing yang dilakukan untuk melatih model YOLOv4. Pada tahap realtime testing, YOLOv4 dilakukan dengan 3 metode input berbeda, yaitu gambar, vidio, dan webcam Hasil dari penelitian ini membuktikan bahwa algoritma YOLOv4 dengan arsitektur lebih kompleks namun memiliki performa yang baik umuk melakukan deteksi dan klasifikasi semua citra penggunaan masker dari 2 kelas. Hasil terbaik dari model YOLO memiliki mAP mencapai 92,70%, precision 0,85, recall 0,93, F1-score 0,89 dan Average IoU 62,87%. Pada penelitian kali ini juga membuktikan bahwa model dengan nilai subdivision lebih kecil daripada mosaic data augmentation, memiliki performa yang lebih baik.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Deep Learning, You Only Look Once (YOLO), Classification, Object Detection, Masker | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 25 Oct 2022 06:46 | ||
| Last Modified: | 31 Jul 2023 06:47 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/9580 |
Actions (login required)
 |
View Item |