Pendeteksian Penggunaan Masker Berbasis Android dan YOLOv5 untuk Media Video Realtime pada Ruang Perkantoran

Trisna Gelar, Mugi Pangestu, Muhammad Fikri, Naufal Taufik, Urip Teguh, Jonner Hutahaean

Abstract


Relaksasi penggunaan masker untuk pencegahan penyebaran COVID-19 telah diberlakukan, namun untuk kegiatan dalam ruangan dan wilayah perkantoran kebijakan tersebut masih wajib dilaksanakan. Sistem pengawasan otomatis komersial memerlukan perangkat tambahan seperti kamera khusus, CCTV atau sistem berbasis IoT. Alternatif lain dengan menggunakan perangkat Android yang mudah digunakan dan biaya inisiasi serta pemeliharaannya lebih rendah. Maka dari itu pengembangan sistem deteksi masker berbasis Android perlu dikembangkan. Pada penelitian ini fitur deteksi masker dikembangkan menggunakan algoritma YOLOv5 pada 1200 gambar campuran dari data Face Mask Detection dengan Face Mask KoTA205. Dengan menambahkan distribusi kelas without mask dan with mask, Model YOLOv5 yang dihasilkan mencapai akurasi mAP 91,24% dan F1-Score 87,78%. Selain itu model sudah dikonversi berformat PyTorch Lite dan dapat digunakan pada sistem berbasis Android Pendeteksi Masker. Sistem telah terimplementasi memiliki tiga fitur utama, inisiasi perangkat, pendeteksian masker dan peringatan suara bila terjadi pelanggaran dan dashboard untuk bahan monitoring (data pendeteksian diolah menggunakan Firebase). Khusus fitur pendeteksian masker, telah diuji delapan test case unit test dan tiga test case integration testing, dengan keseluruhan test case berjalan sukses.

Keywords


computer vision, face mask detection, YOLOv5

References


Amalia, L., and Hiola, I. F. (2020). Analisis gejala klinis dan peningkatan kekebalan tubuh untuk mencegah penyakit covid-19. Jambura Journal of Health Sciences and Research, 2(2), 71–76.

Harahap, M., Kusuma, L., Suryani, M., Situmeang, C. E., & Purba, J. F. (2021). Identification of face mask with YOLOv4 based on outdoor video. Sinkron: jurnal dan penelitian teknik informatika, 6(1), 127-134.

Hasani, M. C., Milenasari, F., & Setyawan, N. (2022). Pemantauan physical distance pada area umum menggunakan YOLO tiny V3. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(1), 146-152.

Herdiana, D. (2020). Penanggulangan COVID-19 Tingkat Lokal Melalui Kebijakan Adaptasi Kebiasaan Baru (AKB) di Provinsi Jawa Barat. Journal of Governance Innovation, 2(2), 131-156.

Li, Z., Tian, X., Liu, X., Liu, Y., & Shi, X. (2022). A two-stage industrial defect detection framework based on improved-yolov5 and optimized-inception-resnetv2 models. Applied Sciences, 12(2), 834.

Liu, Y., Lu, B., Peng, J., & Zhang, Z. (2020). Research on the use of YOLOv5 object detection algorithm in mask wearing recognition. World Scientific Research Journal, 6(11), 276-284.

Muharram, A. T., Suhandana, A. A., & Marcheta, N. (2022). Rancang Bangun Sistem Deteksi Keramaian Berbasis Internet Of Things dalam mencegah penyebaran Covid-19. Jurnal Teknologi Informatika Dan Komputer, 8(1), 40-52.

Purnadi, H. (2021). Pemanfaatan Google Spreadsheet dan Google Data Studio sebagai Dashboard Suhu dan Kelembaban di Laboratorium. Insan Metrol. PPSDK, 1(1), 28-33.

Rachmaniar, R. (2020 )Keberadaan Video Coronavirus di Channel Youtube. Edsence: Jurnal Pendidikan Multimedia, 2(1), 11-18.




DOI: https://doi.org/10.17509/edsence.v4i2.52230

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Jurnal Pendidikan Multimedia (Edsence)

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

Jurnal Pendidikan Multimedia (Edsence) ( p-ISSN:2685-2489 | e-ISSN:2685-2535) published by Universitas Pendidikan Indonesia (UPI)

Indexed by:

           

 

p-ISSN:2685-2489 | e-ISSN:2685-2535

 

Visitor Number :

View My Stats