Sistem Deteksi Masker Berbasis Jetson Nano dengan Deep Learning Framework TensorFlow
Abstrak
Indonesia merupakan salah satu negara yang mengalami dampak virus COVID-19. Segala upaya dilakukan untuk menanggulangi penyebaran virus ini. Salah satu langkah yang efisien guna menanggulangi dampak ini adalah dengan menerapkan protokol kesehatan yang ketat dan pemakaian masker dengan benar. Pemantauan penggunaan masker terus dilakukan di gedung perkantoran, supermarket, maupun ruang publik lainnya. Peran pengawas sangat diperlukan untuk mengawasi pemakaian masker dengan benar. Namun, seorang pengawas mempunyai keterbatasan dalam melakukan pengawasan, sehingga menimbulkan celah bagi orang-orang untuk tidak mematuhi aturan pemakaian masker dengan benar. Oleh karena itu, perlu adanya sistem yang bekerja secara otomatis untuk membantu pengawas dalam memantau pemakaian masker dengan benar. Tujuan makalah ini adalah merancang sebuah computer vision yang dapat mendeteksi seseorang bermasker atau tidak menggunakan deep learning framework TensorFlow. TensorFlow digunakan karena efisiensinya dalam mengolah data citra digital. Klasifikasi data citra digital pada TensorFlow menggunakan struktur deep learning Keras, sehingga ringan dan mampu digunakan pada perangkat tertanam seperti Jetson Nano untuk mendeteksi penggunaan masker secara real-time. Tahapan sistem pendeteksian masker terdiri atas pengumpulan dataset citra, ekstraksi ciri, pemisahan data, pembuatan model, pelatihan model, dan penerapan model. Deep learning framework TensorFlow memproses data citra secara langsung melalui kamera web (webcam). Ketika kamera menangkap objek orang yang sedang tidak menggunakan masker dengan benar, layar monitor menampilkan kotak merah pada wajah. Tanda ini dapat membantu pengawas saat melakukan pengawasan. Hasil pengujian menunjukkan bahwa sistem berhasil mendeteksi dengan benar orang yang tidak menggunakan masker, dengan akurasi sebesar 99,48%. Selain itu, sistem juga berhasil mendeteksi orang yang memakai masker dengan benar dan mendapatkan rata-rata akurasi sebesar 99,12%. Monitor akan menampikan kotak hijau pada wajah jika orang yang dideteksi memakai masker dengan benar.
Referensi
(2021) “Coronavirus Disease (COVID-19): How Is It Transmitted?” [Online], https://www.who.int/news-room/questions-and-answers/item/coronavirus-disease-covid-19-how-is-it-transmitted, access date: 6-Jul-2022.
(2022) “Virus Corona (COVID-19),” [Online], https://news.google.com/covid19/map?hl=id&mid=%2Fm%2F03ryn&gl=ID&ceid=ID%3Aid, access date: 6-Jul-2022).
(2020) “Anjuran mengenai penggunaan masker dalam konteks COVID-19,” [Online], https://www.who.int/docs/default-source/searo/indonesia/covid19/anjuran-mengenai-penggunaan-masker-dalam-konteks-covid-19-june-20.pdf, access date: 6-Jul-2020.
H.E. Siahaineinia and T.L. Bakara, “Persepsi Masyarakat tentang Penggunaan Masker dan Cuci Tangan selama Pandemi COVID-19 di Pasar Sukaramai Medan,” Wahana Inov.: J. Penelit. dan Pengabdi. Masy. UISU, Vol. 9, No. 1, pp. 172–176, Jan.-Jun. 2020.
S.F. Rizqah, Haeruddin, and A.R. Amelia, “Hubungan Perilaku Masyarakat dengan Kepatuhan Penggunaan Masker untuk Memutus Rantai Penularan COVID-19 di Kelurahan Bontoa Maros,” J. Muslim Community Health, Vol. 2, No. 3, pp. 165–175, Jul.-Sep. 2021, doi: 10.52103/jmch.v2i3.553.
E. Lubis, “Peran Protokoler dalam Menunjang Keberhasilan Kinerja Kepala Bagian Umum Pemerintahan Kabupaten Deli Serdang,” Perspektif, Vol. 7, No. 2, pp. 362–373, Jul. 2014, doi: 10.31289/perspektif.v4i2.165.
J. Chai, H. Zeng, A. Li, and E.W.T. Ngai, “Deep Learning in Computer Vision: A Critical Review of Emerging Techniques and Application Scenarios,” Mach. Learn. Appl., Vol. 6, pp. 1–13, Dec. 2021, doi: 10.1016/j.mlwa.2021.100134.
S.C. Hsu, Y.W. Wang, and C.L. Huang, “Human Object Identification for Human-Robot Interaction by Using Fast R-CNN,” 2018 Second IEEE Int. Conf. Robot. Comput. (IRC), 2018, pp. 201–204, doi: 10.1109/IRC.2018.00043.
D. Kim et al., “Real-Time Multiple Pedestrian Tracking Based on Object Identification,” 2019 IEEE 9th Int. Conf. Consum. Electron. (ICCE-Berlin), 2019, pp. 363–365, doi: 10.1109/ICCE-Berlin47944.2019.8966205
S.I. Ali, S.S. Ebrahimi, M. Khurram, and S.I. Qadri, “Real-Time Face Mask Detection in Deep Learning Using Convolution Neural Network,” 2021 10th IEEE Int. Conf. Commun. Syst., Netw. Technol. (CSNT), 2021, pp. 639–642, doi: 10.1109/CSNT51715.2021.9509704.
M.I. Amin, M.A. Hafeez, R. Touseef, and Q. Awais, “Person Identification with Masked Face and Thumb Images under Pandemic of COVID-19,” 2021 7th Int. Conf. Control, Instrum., Automat. (ICCIA), 2021, pp. 1-4, doi: 10.1109/ICCIA52082.2021.9403577.
M.R. Alwanda, R.P.K. Ramadhan, and D. Alamsyah, “Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle,” Algoritm., Vol. 1, No. 1, pp. 45–56, Oct. 2020, doi: 10.35957/algoritme.v1i1.434.
J. Pujoseno, “Implementasi Deep Learning Menggunakan Convolutional Neural Network untuk Klasifikasi Alat Tulis,” Undergraduate thesis, Universitas Islam Indonesia, Sleman, Indonesia, Mar. 2018.
M.N.H. Siregar, “Model Arsitektur Artificial Neural Network pada Pelanggan Listrik Negara (PLN),” InfoTekJar (J. Nas. Inform., Teknol. Jar.), Vol. 3, No. 1, pp. 1–5, Sep. 2018, doi: 10.30743/infotekjar.v3i1.642.
M.B. Herlambang (2019) “Deep Learning: Recurrent Neural Networks homepage on website Epam,” [Online], https://www.megabagus.id/deep-learning-recurrent-neural-networks/, access date: 6-Jul-2022.
G. Kaur et al., “Face Mask Recognition System Using CNN Model,” Neurosci. Inform., Vol. 2, No. 3, pp. 1-9, Sep. 2022, doi: 10.1016/j.neuri.2021.100035.
O. Kembuan, G.C. Rorimpandey, and S.M.T. Tengker, “Convolutional Neural Network (CNN) for Image Classification of Indonesia Sign Language Using Tensorflow,” 2020 2nd Int. Conf. Cybern., Intell. Syst. (ICORIS), 2020, pp. 1-5, doi: 10.1109/ICORIS50180.2020.9320810.
R. Tineges (2021) “Algoritma Deep Learning : Kenalan dengan Bagian-Bagian Deep Learning, Yuk!” [Online], https://www.dqlab.id/algoritma-deep-learning-machine-learning, access date: 6-Jul-2022.
(2021) “Convolutional Neural Network With Tensorflow and Keras,” [Online], https://medium.com/geekculture/introduction-to-convolutional-neural-network-with-tensorflow-and-keras-cb52cdc66eaf, access date: 6-Jul-2022.
R.M. Pradistya (2021) “Mengenal Tensorflow, Library untuk Keperluan Machine Learning Python” [Online], https://www.dqlab.id/mengenal-tensorflow-library-untuk-keperluan-machine-learning-python, access date: 8-Jul-2022.
Friendly, Z. Sembiring, and H.R. Safitri, “Deteksi Wajah Bermasker Berbasis Tensorflow-Keras untuk Pengendalian Gerbang Akses Masuk Menggunakan Rasberry Pi4,” JIKSTRA, Vol. 2, No. 2, pp. 45–55, Oct. 2020.
(2021) “TensorFlow_Lite_Face_Mask_Jetson-Nano,” [Online], https://github.com/Qengineering/TensorFlow_Lite_Face_Mask_Jetson-Nano, access date: 6-Jul-2022.
F.A.M. Ali, and M.S.H. Al-Tamimi, “Face Mask Detection Methods and Techniques: A Review,” Int. J. Nonlinear Anal., Appl., Vol. 13, No. 1, pp. 3811-3823, Jan. 2022, doi: 10.22075/ijnaa.2022.6166.
V.K. Pandey, V.K. Gupta, and S. Kumar, “Face Mask Detection Using Convolutional Neural Network,” 2021 3rd Int. Conf. Adv. Comput., Commun. Control, Netw. (ICAC3N), 2021, pp. 951–954, doi: 10.1109/ICAC3N53548.2021.9725689.
S. Singh et al., “Face Mask Detection Using YOLOv3 and Faster R-CNN Models: COVID-19 Environment,” Multimed. Tools, Appl., Vol. 80, No. 13, pp. 19753–19768, Mar. 2021, doi: 10.1007/s11042-021-10711-8.
V. Saminathan et al., “Face Mask Detection Using Raspberry Pi,” Ann. Romanian Soc. Cell Biol., Vol. 25, No. 4, pp. 9982–9988, Apr. 2021.
E.N. Arrofiqoh and Harintaka, “Implementasi Metode Convolutional Neural Network untuk Klasifikasi Tanaman pada Citra Resolusi Tinggi,” Geomatika, Vol. 24, No. 2, pp. 61-68, Nov. 2018, doi: 10.24895/jig.2018.24-2.810.
Trivusi (2022) “Pengertian dan Cara Kerja Algoritma Convolutional Neural Network (CNN),” [Online], https://www.trivusi.web.id/2022/04/algoritma-cnn.html, access date: 11-Aug-2022.
J. Feriawan and D. Swanjaya, “Perbandingan Arsitektur Visual Geometry Group dan MobileNet pada Pengenalan Jenis Kayu,” Sem. Nas. Inov. Teknol., 2020, pp. 185–190, doi: /10.29407/inotek.v4i3.84.
P. Nyoman and P.K. Negara, “Deteksi Masker Pencegahan Covid19 Menggunakan Convolutional Neural Network Berbasis Android,” J. RESTI (Rekayasa Sist., Teknol. Inf.), Vol. 5, No. 3, pp. 576–583, Jun. 2021, doi: 10.29207/resti.v5i3.3103.
A. Rosebrock (2020) “COVID-19: Face Mask Detector with OpenCV, Keras/TensorFlow, and Deep Learning,” Online], https://pyimagesearch.com/2020/05/04/covid-19-face-mask-detector-with-opencv-keras-tensorflow-and-deep-learning/, access date: 6-Jul-2022.
F.R. Lumbanraja et al., “An Evaluation of Deep Neural Network Performance on Limited Protein Phosphorylation Site Prediction Data,” Procedia Comput. Sci., Vol. 157, pp. 25–30, 2019, doi: 10.1016/j.procs.2019.08.137.
(2021) “Jetson Nano Developer Kit,” [Online], https://developer.nvidia.com/embedded/jetson-nano-developer-kit, access date: 7-Jul-2022.
© Jurnal Nasional Teknik Elektro dan Teknologi Informasi, di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.