ANALISA MODEL KECERDASAN BUATAN BERBASIS CONVOLUTIONAL NEURAL NETWORK DENGAN METODE SINGLE SHOT MULTIBOX DETECTOR UNTUK DETEKSI MASKER

Tingkat kesadaran masyarakat dalam memakai masker sudah semakian berkurang
pada saat pendemi covid-19 masih berlangsung, padahal memakai masker dapat
mengurangi penularan covid-19. Menggunakan object detection berbasis CNN
merupakan salah satu solusi untuk melakukan monitoring terhadap penggunaan
masker. dalam object detection terdapat salah satu metode yang disebut Single
Shoot mulibox detector (SSD) (Wei Liu dkk., 2016). Arsitektur SSD memiliki 3
layer utama yaitu, Base network dengan menggunakan arsitektur VGG16, Extra
convolutional feature layers sebagai layers tambahan yang memiliki fungsi
sebagai feature extractor seperti Base network, dan Convolutional predictor layer
yang berfungsi untuk melakukan prediksi lokasi dan score untuk masing-masing
kelas yang dideteksi dengan menggunakan metode konvolusi. Dalam penelitian
ini, bagian Base network arsitektur SSD dirubah menggunakan arsitektur
ResNet50, sedangkan bagian lainnya tidak dilakukan perubahan, termasuk
augmentasi data untuk kedua arsitektur juga menggunakan perlakuan yang sama.
Dataset yang digunakan dalam penelitian ini berupa 1000 gambar orang memakai
masker dan 1000 gambar orang yang tidak memakai masker. dalam penelitian ini,
model SSD dengan Base network ResNet50 memiliki akurasi 98,23%, lebih baik
daripada model SSD dengan Base network VGG16 yang memiliki akurasi
93,56%.
Kata kunci: masker, Object detection, CNN, SSD