Analisis Deteksi Masker Wajah menggunakan YOLOv8 dengan Dataset Facemask
Abstract
Abstrak - Penelitian ini menyajikan analisis mendalam tentang deteksi dan klasifikasi masker wajah
menggunakan YOLOv8 dan akan diuji coba pada dataset Facemask yang didalamya terdiri dari gambar - gambar yang dibagi dalam tahap pelatihan, pengujian, dan validasi dan melalui dua pendekatan, yaitu augmentasi dan non augmentasi. Penelitian ini menganalisis penilaian kinerja YOLOv8 dan
menyoroti kemampuannya mengenali individu yang memakai masker wajah dan yang tidak memakai masker wajah. Tujuan utama dari penelitian ini adalah untuk menganalisis performa YOLOv8 dalam mendeteksi dan mengklasifikasikan penggunaan masker wajah. Hasil evaluasi berdasarkan tiga metrik
utama yaitu Mean Average Precision (mAP), Precision, dan Recall. Hasil pada pendekatan non augmentasi model menunjukan Mean Average Precision (mAP) 93,1%, Precison 79,7% , dan Recall 95,9% . Hasil pada pendekatan augmentasi menunjukan menunjukan Mean Average Precision (mAP) 91,9%, Precison 76,6% , dan Recall 94,7%.
Kata Kunci - Deteksi masker wajah, klasifikasi, YOLOv8, dataset Facemask, analisis
References
[1] .KEPUTUSAN MENTERI KESEHATAN REPUBLIK INDONESIA.=
[2] .Anjuran mengenai penggunaan masker dalam konteks COVID-19: Panduan interim.=
[3] S. E. Eikenberry et al., .To mask or not to mask: Modeling the potential for face mask use by the general public to curtail the COVID-19 pandemic,= Infect Dis Model, vol. 5, pp. 293-308, Jan. 2020, doi: 10.1016/j.idm.2020.04.001.
[4] J. Terven and D. Cordova-Esparza, .A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS,= Apr. 2023, doi: 10.3390/make5040083.
[5] M. Loey, G. Manogaran, M. H. N. Taha, and N. E. M. Khalifa, .A hybrid deep transfer learning model with machine learning methods for face mask detection in the era of the COVID-19 pandemic,= Measurement (Lond), vol. 167, Jan. 2021, doi: 10.1016/j.measurement.2020.108288.
[6] K. Bhambani, T. Jain, and K. A. Sultanpure, .Real-Time Face Mask and Social Distancing Violation Detection System using YOLO,= in Proceedings of B-HTC 2020 - 1st IEEE Bangalore Humanitarian Technology Conference, Institute of Electrical and Electronics Engineers Inc., Oct. 2020. doi: 10.1109/B-HTC50970.2020.9297902.
[7] .View of YOLO-V8 PENINGKATAN ALGORITMA UNTUK DETEKSI PEMAKAIAN MASKER WAJAH=.
[8] A. Voulodimos, N. Doulamis, A. Doulamis, and E. Protopapadakis, .Deep Learning for Computer Vision: A Brief Review,= 2018, Hindawi Limited. doi: 10.1155/2018/7068349.
[9] M. Sohan, T. Sai Ram, and Ch. V. Rami Reddy, .A Review on YOLOv8 and Its Advancements,= 2024, pp. 529-545. doi: 10.1007/978-981-99-7962-2_39.
[10] D. Reis, J. Hong, J. Kupec, and A. Daoudi, .Real-Time Flying Object Detection with YOLOv8.=
[11] C. Lubis, .Deteksi Penggunaan Masker dan Klasifikasi Secara Real Time Melalui Video Webcam Dengan Metode YOLO.=
[12] S. Singh, U. Ahuja, M. Kumar, K. Kumar, and M. Sachdeva, .Face mask detection using YOLOv3 and faster R-CNN models: COVID-19 environment,= Multimed Tools Appl, vol. 80, no. 13, pp. 19753-19768, May 2021, doi: 10.1007/s11042-021-10711-8.
[13] R. Sapkota, D. Ahmed, and M. Karkee, .Comparing YOLOv8 and Mask R-CNN for instance segmentation in complex orchard environments,= Artificial Intelligence in Agriculture, vol. 13, pp. 84-99, Sep. 2024, doi: 10.1016/j.aiia.2024.07.001.
[14] O. A. Syafira, N. Selviandro, and G. S. Wulandari, .Safety Assurance Case for Autonomous Vehicle Object Detection: A Simulation for Smart Factory.=
