Deteksi Objek Penggunaan Masker pada Pejalan Kaki Berbasis Deep Learning Model Yolov3

THOMAS ADI YOGA (2022) Deteksi Objek Penggunaan Masker pada Pejalan Kaki Berbasis Deep Learning Model Yolov3. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img] Text (HALAMAN JUDUL)
081611633011_HALAMAN JUDUL.pdf

Download (1MB)
[img] Text (BAB I)
081611633011_BAB I.pdf

Download (466kB)
[img] Text (FULLTEXT)
081611633011_FULLTEXT.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Penggunaan masker merupakan salah satu bagian dari enam poin prokes sebagai langkah konprehensif dalam pencegahan dan pengendalian yang dapat menekan penyebaran penyakit terutama penyakit-penyakit yang disebabkan oleh virus penyakit pernapasan tertentu, seperti Covid-19. Object detection (deteksi objek) berguna untuk mendeteksi atau mengenali suatu objek dalam sebuah gambar berdasarkan bentuk, warna, maupun dari dataset yang telah ditentukan. Tujuan dari penelitian ini yaitu melakukan implementasi sistem pendeteksi dan mengevaluasi kinerja dengan menggunakan YOLOv3 untuk mendeteksi penggunaan masker pada para pejalan kaki melalui gambar dan rekaman video. Pada penelitian ini, dilakukan deteksi terhadap penggunaan masker menggunakan metode deep learning You Only Look Once versi 3 (YOLOv3) dengan pengujian accuracy, precision, dan recall terhadap data tes gambar dan observasi terhadap hasil deteksi pada data tes video untuk melihat performa yang dihasilkan oleh sistem deteksi. Data yang digunakan merupakan data gambar yang diambil dari Google Image dan situs Kaggle sedangkan target testing berupa data sampel gambar dan video. Dari hasil training didapatkan model dengan learning rate 0,001 mendapat 96,95% mAP, untuk learning rate 0,0001 mendapat 93,82% mAP, dan learning rate 0,00001 mendapat 77,26% mAP. Dari hasil tes menggunakan Confusion Matrix terhadap 50 sampel gambar didapatkan bahwa nilai rata-rata yang didapat untuk precision adalah 0,99, sedangkan recall sebesar 0,88, dan accuracy sebesar 0,87. Sedangkan dari hasil tes menggunakan data video didapatkan bahwa jarak deteksi pejalan kaki yang sedang menggunakan masker lebih baik dibandingkan dengan jarak pejalan kaki yang tidak menggunakan masker.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK S.FST.SI 23 - 23 Tho d
Uncontrolled Keywords: Object detection, Masker, Covid-19, YOLOv3, Deep Learning, Confusion Matrix.
Subjects: Q Science > QA Mathematics > QA11-14 Study and Teaching, Research
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsNIM
THOMAS ADI YOGANIM081611633011
Contributors:
ContributionNameNIDN / NIDK
Thesis advisorTAUFIKNIDN197101042008121001
Thesis advisorFARIED EFFENDYNIDN198206062007101001
Depositing User: Sulistiorini
Date Deposited: 16 Sep 2026 02:55
Last Modified: 16 Sep 2026 02:55
URI: http://repository.unair.ac.id/id/eprint/147080
Sosial Share:

Actions (login required)

View Item View Item