Implementasi Algoritma CNN Untuk Deteksi Masker Menggunakan Arsitektur YOLOv5

COVID-19 telah menyebabkan terjadinya pandemi di berbagai negara termasuk Indonesia. Pemerintah menetapkan untuk melakukan protokol kesehatan untuk menekan penyebaran COVID-19, salah satunya adalah menggunakan masker pada tempat umum. Namun masih banyak masyarakat masih yang mengabaikan penggunaan masker. Sehingga pada penelitian ini membuat sebuah sistem yang dapat mendeteksi dan klasifikasi penggunaan masker dengan tepat secara langsung. Penelitian ini mengimplementasikan algoritma YOLOv5 yang merupakan bagian dari metode CNN. Proses dilakukan dengan mengumpulkan data berupa gambar yang didapat dari kaggle dengan jumlah 1160 data gambar. Gambar tersebut terbagi menjadi dua kategori atau kelas yaitu gambar wajah menggunakan masker dan gambar wajah tidak menggunakan masker. Kemudian data tersebut diberikan label pada setiap masing-masing objek dan dikumpulkan dalam struktur folder yang telah dibuat. Kemudian melakukan proses training dengan menggunakan Google Colab. Proses training dilakukan sampai 20 iterasi karena pada iterasi ke-16 hingga seterusnya telah menunjukkan hasil akurasi yang stabil. Setelah itu data tersebut dilakukan pengujian untuk melihat hasil akurasi yang didapatkan. Output dari pengujian berupa confidence, nama kelas, serta posisi koordinat bounding box dari objek yang telah terdeteksi. Dari hasil pengujian yang dilakukan dengan menggunakan skema 18 kondisi berhasil mendeteksi objek wajah dengan sesuai dan didapatkan akurasi sebesar 94,44%.

Kata Kunci: CNN, COVID-19, Deteksi, Masker, YOLOv5