APLIKASI FACE MASK DETECTION MENGGUNAKAN NEURAL NETWORK MOBILENETV2 BERBASIS ANDROID

Authors

DOI:

https://doi.org/10.46984/sebatik.v25i2.1503

Keywords:

Covid-19, Deep Learning, Face Mask, Mobilenet, Virus

Abstract

Adanya pandemi Covid-19 memberikan dampak yang luar biasa kepada hampir seluruh masyarakat di dunia, tidak terkecuali di Indonesia di mana Kementerian Kesehatan serta pemerintah yang terkait menerbitkan protokol kesehatan guna meminimalisasikan paparan yang diakibatkan oleh virus Covid-19. Salah satu protokol kesehatan tersebut yaitu menganjurkan masyarakat untuk selalu menggunakan masker saat beraktivitas baik itu di dalam maupun di luar ruangan. Dalam konteks ini, semua masyarakat dapat memainkan perannya masing-masing dengan berkontribusi untuk memerangi virus ini. Hal ini merupakan kesempatan yang bagus untuk para peneliti dalam bidang teknologi informasi untuk memanfaatkan kemajuan teknologi dalam membantu memerangi penyebaran virus corona, seperti pembuatan aplikasi untuk mendeteksi penggunaan masker. Penelitian ini membuat sebuah aplikasi untuk mendeteksi apakah objek yang terdapat pada preview image menggunakan masker atau tidak menggunakan masker. Pengumpulan data training dilakukan dengan pengambilan data dari situs kaggle berjumlah 1000 data citra yang terdiri dari 500 data citra menggunakan masker dan 500 data citra tidak menggunakan masker. Hasil yang diperoleh berdasarkan uji coba yang dilakukan terhadap 60 orang yang tidak terdapat dalam data training. Arsitektur MobileNetV2 digunakan dalam penelitian ini dan diimplementasikan dalam bahasa pemrograman Kotlin yang dapat digunakan oleh semua smartphone berbasis android. Akurasi pendeteksian penggunaan masker dari 30 data uji coba yang didapatkan adalah sebesar 90%.

References

Atmojo, J. T., Iswahyuni, S., Rejo, R., Setyorini, C., Puspitasary, K., Ernawati, H., & Mubarok, A. S. (2020). Penggunaan Masker Dalam Pencegahan Dan Penanganan Covid-19: Rasionalitas, Efektivitas, Dan Isu Terkini. Avicenna: Journal of Health Research, 3(2).
Chen, T., Peng, L., Yin, X., Rong, J., Yang, J., & Cong, G. (2020, September). Analysis of user satisfaction with online education platforms in China during the COVID-19 pandemic. In Healthcare (Vol. 8, No. 3, p. 200). Multidisciplinary Digital Publishing Institute.
Das, A., Ansari, M. W., & Basak, R. (2020, December). Covid-19 Face Mask Detection Using TensorFlow, Keras and OpenCV. In 2020 IEEE 17th India Council International Conference (INDICON) (pp. 1-5). IEEE.
Hansun, S., Kristanda, M. B., & Saputra, M. W. (2018). Pemrograman Android dengan Android Studio IDE. Yogyakarta: Andi.
Hasan, G., & Kelly, K. (2021, May). Perancangan Promotion Mix pada PT. Rambun Pratama Metalindo. In ConCEPt-Conference on Community Engagement Project (Vol. 1, No. 1, pp. 2590-2595).
Hendriyana, H., & Maulana, Y. H. (2020). Identification of Types of Wood using Convolutional Neural Network with Mobilenet Architecture. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(1), 70-76.
Joshi, A. S., Joshi, S. S., Kanahasabai, G., Kapil, R., & Gupta, S. (2020, September). Deep learning framework to detect face masks from video footage. In 2020 12th International Conference on Computational Intelligence and Communication Networks (CICN) (pp. 435-440). IEEE.
Mandal, B., Okeukwu, A., & Theis, Y. (2021). Masked Face Recognition using ResNet-50. arXiv preprint arXiv:2104.08997.
Mubah, A. S., & Anabarja, S. (2020). From Big Data to Mask Diplomacy: Taiwan’s Effort to Strengthen International Role. Jurnal Global & Strategis, 14(2), 15-28.
Qin, Z., Zhang, Z., Chen, X., Wang, C., & Peng, Y. (2018, October). Fd-mobilenet: Improved mobilenet with a fast downsampling strategy. In 2018 25th IEEE International Conference on Image Processing (ICIP) (pp. 1363-1367). IEEE.
Rosyanti, L., & Hadi, I. (2020). Dampak psikologis dalam memberikan perawatan dan layanan kesehatan pasien COVID-19 pada tenaga profesional kesehatan. Health Information: Jurnal Penelitian, 12(1), 107-130.
Samuel, S., & Bocutiu, S. (2017). Programming kotlin. Packt Publishing Ltd.
Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., & Chen, L. C. (2018). Mobilenetv2: Inverted residuals and linear bottlenecks. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 4510-4520).
Sanjaya, S. A., & Rakhmawan, S. A. (2020, October). Face Mask Detection Using MobileNetV2 in The Era of COVID-19 Pandemic. In 2020 International Conference on Data Analytics for Business and Industry: Way Towards a Sustainable Economy (ICDABI) (pp. 1-5). IEEE.
Untari, S., & Kodiyah, N. (2020). Gambaran Penggunaan Masker Di Masa Pandemi Covid-19 Pada Masyarakat Di Kabupaten Grobogan. THE SHINE CAHAYA DUNIA KEBIDANAN, 5(2).
Wang, B., Zhao, Y., & Chen, C. P. (2021). Hybrid Transfer Learning and Broad Learning System for Wearing Mask Detection in the COVID-19 Era. IEEE Transactions on Instrumentation and Measurement, 70, 1-12.

Downloads

Published

2021-12-01

How to Cite

Dharmaputra, A., Cahyanti, M., Septian, M. R. D. and Swedia, E. R. (2021) “APLIKASI FACE MASK DETECTION MENGGUNAKAN NEURAL NETWORK MOBILENETV2 BERBASIS ANDROID”, Sebatik, 25(2), pp. 382–389. doi: 10.46984/sebatik.v25i2.1503.

Issue

Vol. 25 No. 2 (2021): Desember 2021

Section

Articles

License

 

Authors retain all their rights to the published works, such as (but not limited to) the following rights; Copyright and other proprietary rights relating to the article, such as patent rights, The right to use the substance of the article in own future works, including lectures and books, The right to reproduce the article for own purposes, The right to self-archive the article