Perancangan Palang Otomatis Pendeteksi Masker Dan Suhu Tubuh Dengan Metode Transfer Learning
DOI:
https://doi.org/10.34818/eoe.v9i5.18481Abstrak
ABSTRAK Pandemi COVID-19 adalah masalah kesehatan terbesar yang terjadi di dunia saat ini. Salah satu cara efektif untuk mencegah penyebaran virus ini adalah dengan selalu mematuhi protokol kesehatan COVID-19. Salah satu solusi untuk mengimplementasikan protokol kesehatan tersebut adalah menggunakan palang pintu otomatis yang dapat terbuka dengan sendiri apabila seseorang memakai masker, dan suhu tubuh kurang dari 39 C. Manfaat alat ini untuk membantu pencegahan penyebaran COVID-19 dari pengunjung yang tidak menggunakan masker. Penelitian ini menggunakan Simple Image Classification dengan Transfer Learning, menggunakan dataset dilatih menggunakan pre-training dari Imagenet. Portable Computer (PC) dan python pada Raspberry Pi sebagai mikrokomputer, sensor MLX90614 untuk mengukur suhu tubuh dengan memanfaatkan gelombang inframerah, dan web kamera sebagai pendeteksi penggunaan masker, sedangkan palang pintu otomatis menggunakan motor servo. Pada hasil dari penelitian ini, kamera mampu mendeteksi berbagai jenis masker namun masih memiliki banyak kekurangan, beberapa objek non masker yang menutupi hidung dan mulut masih dianggap mengenakan masker oleh sistem. Tingkat intensitas cahaya sangat mempengaruhi akurasi dan kestabilan deteksi masker. Sensor MLX90614 hanya bisa mencakup jarak dari 1cm - 2cm, dan inputan suhu tubuh masih belum bisa mempertahankan posisi membuka selama subjek melewati palang pintu sehingga ketika tepat setelah subjek melakukan pengukuran suhu, palang pintu akan tertutup kembali. Kata Kunci : COVID-19, deep learning, transfer learning, kamera, servo, python.Referensi
[1] Kemkes RI, “Update COVID-19,” https://infeksiemerging.kemkes.go.id/,2021. https://infeksiemerging.kemkes.go.id/dashboard/covid-19/ (accessed Nov. 17, 2021).
[2] Menteri Kesehatan Republik Indonesia, “Keputusan Menteri Kesehatan Republik Indonesia,” 2020.
[3] Kemenkes, “Apakah Coronavirus dan COVID-19 itu?” https://www.kemkes.go.id/, Mar. 01, 2020. https://www.kemkes.go.id/ (accessed Nov. 17, 2021).
[4] Dhanar Bintang Pratama, “Implementasi Metode Deep Learning Dan Xgboost Untuk Klasifikasi Penyakit Jantung Aritmia,” 2021.
[5] A. Rifqi, K. N. Syamsi, R. Magdalena, N. Kumalasari, and C. Pratiwi, “Deep Learning Untuk Klasifikasi Penyakit Kulit Dengan Menggunakan Arsitekstur Alexnet Deep Learning For Skin Diseases Classification By Using Alexnet Architecture.”
[6] yu zhang, wenyuan dai, sinno jialin pan qiang yang, “Transfer Learning.”
[7] A. N. I. dan M. A. Mufid Naufal Baay, “Sistem Otomatis Pendeteksi Wajah Bermasker Menggunakan Deep Learning,” JURNAL TEKNIK ITS Vol. 10, No. 1, (2021), vol. 10, pp. 64–70, 2021.
[8] SkillPlus, “Underfitting dan Overfitting Model ,” “Underfitting dan Overfitting Model – https://skillplus.web.id/underfitting-dan-overfitting-model/, Aug. 04, 2022.
[9] T. Amaratunga, Deep Learning on Windows. Apress, 2021. doi: 10.1007/978-1-4842-6431-7.
[10] I. Gupta, V. Patil, C. Kadam, and S. Dumbre, “Face detection and recognition using Raspberry Pi,” in WIECON-ECE 2016 - 2016 IEEE International WIE Conference on Electrical and Computer Engineering, Aug. 2017, pp. 83–86. doi: 10.1109/WIECON-ECE.2016.8009092.
[11] R. Syamsudaris, M. Ary Murti, and W. A. Cahyadi, “Perancangan Sistem Pengenalan Wajah Dan Masker Menggunakan Raspberry Pi Design Of Face And Mask Recognition System Using Raspberry pi.”
[12] Raihan Nugroho Jauhari, “Deep Learning: Simple Image Classification using Convolutional Neural Network (Dog and Cat Dataset),” https://raihanrnj.medium.com/, Jun. 22, 2020. https://raihanrnj.medium.com/deep-learning-simple-image-classification-using-convolutional-neural-network-dog-and-cat-8c99aef29e8 (accessed Dec. 29, 2021).
[13] Raihan Nugroho Jauhari, “Computer Vision menggunakan Transfer Learning di Keras,” https://raihanrnj.medium.com/, Nov. 18, 2020. https://raihanrnj.medium.com/computer-vision-menggunakan-transfer-learning-di-keras-6015c51c016c (accessed Dec. 29, 2021).
[14] E. Mbunge, S. Simelane, S. G. Fashoto, B. Akinnuwesi, and A. S. Metfula, “Application of deep learning and machine learning models to detect COVID-19 face masks - A review,” Sustainable Operations and Computers, vol. 2, pp. 235–245, 2021, doi: 10.1016/j.susoc.2021.08.001.
[15] A. Rosebrock, “Fine-tuning with Keras and Deep Learning,” pyimagesearch, Jun. 2019. https://www.pyimagesearch.com/2019/06/03/fine-tuning-with-keras-and-deep-learning/ (accessed Nov. 20, 2021).
[16] R. Syamsudaris, M. Ary Murti, and W. A. Cahyadi, “Perancangan Sistem Pengenalan Wajah Dan Masker Menggunakan Raspberry Pi Design Of Face And Mask Recognition System Using Raspberry Pi,” 2021.
[17] S. S. Alif Yudhistira Putra Bayu, “Sistem Pemantauan Penggunaan Protokol Kesehatan COVID-19 Menggunakan Metode Haar Cascade Dan Neural Network,” Jurnal Qua Teknika, vol. 11, pp. 32–46, Sep. 2021.
[18] Y. N. R. Teuku Radhi Muhammad Fitrah, “Rancang Bangun Pengembangan Pintu Otomatis Pendeteksi Masker dan Suhu Tubuh Menggunakan Raspberry Pi 4,” KITEKTRO: Jurnal Komputer, Informasi Teknologi, dan Elektro, vol. 6, pp. 7–14, 2021.
[19] M. A. Rahman, I. Harfi, and D. A. Prasetya, “Prototipe Pendeteksi Masker Pada Ruangan Wajib Masker Untuk KendalI Pintu Otomatis Berbasis Deep Learning Sebagai Pencegahan Penularan COVID-19,” SimposiumNasionalRAPIXIX Tahun2020FTUMS, pp. 47–55, 2020.
[20] Risnaldy Fatwa Muharram, “Implementasi Artificial Intelligence Untuk Deteksi Masker Secara Realtime Dengan Tensorflow Dan SSD Mobilenet Berbasis Python,” JRKT (Jurnal Rekayasa Komputasi Terapan), vol. 1(3), pp. 115–122, 2021.
[21] Makers, Create, “MLX90614 Distance Dependency”- https://www.createmakers.com/becoming-makers/mlx90614-distance-dependency/, Aug. 10, 2022.
[22] Wa Ode Siti Nur Alam,” Tingkat akurasi Sensor AMG8833 dan Sensor MLX90614 dalam Mengukur Suhu Tubuh,” JTEV (Jurnal Teknik Elektro dan Vokasional), vol. 8(1), pp. 169–179
