RANCANG BANGUN DAN EVALUASI KINERJA SISTEM OTOMATISASI PERINGATAN PENGGUNAAN MASKER PADA SINGLE BOARD COMPUTER

Febrian, Fajri (2021) RANCANG BANGUN DAN EVALUASI KINERJA SISTEM OTOMATISASI PERINGATAN PENGGUNAAN MASKER PADA SINGLE BOARD COMPUTER. Diploma thesis, Universitas Andalas.

[img]
Preview
Text (Cover dan Abstrak)
COVER dan ABSTRAK.pdf - Published Version

Download (66kB) | Preview
[img]
Preview
Text (BAB 1 PENDAHULUAN)
BAB 1.pdf - Published Version

Download (287kB) | Preview
[img]
Preview
Text (BAB 5 PENUTUP)
BAB 5.pdf - Published Version

Download (34kB) | Preview
[img]
Preview
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version

Download (157kB) | Preview
[img] Text (Skripsi Full Text)
Tugas Akhir Full.pdf - Published Version
Restricted to Repository staff only

Download (4MB)

Abstract

Salah satu upaya pencegahan penyebaran Covid-19 yaitu dengan memakai masker saat di luar rumah, karena masker dapat mencegah penularan virus melalui droplet. Namun, saat ini masih banyak masyarakat yang enggan memakai masker. Penelitian ini menghasilkan sistem yang mampu memberi peringatan kepada masyarakat yang tidak memakai masker dengan cara menampilkan iklan layanan masyarakat terkait masker dan bahaya Covid-19. Sistem ini mampu mendeteksi seseorang yang tidak memakai masker dengan benar hingga jarak 4 meter di depan kamera dengan akurasi mencapai 87,5%. Perbandingan SBC yang digunakan pada sistem ini menunjukkan bahwa, Jetson Nano B01 memiliki penggunaan CPU dan suhu yang lebih rendah dibanding Raspberry Pi 4B. Namun Raspberry Pi 4B mengonsumsi lebih sedikit RAM dibanding Jetson Nano B01. Sedangkan untuk kinerja deteksi, Raspberry Pi 4B dapat mengklasifikasi wajah bermasker dan tidak bermasker lebih akurat dibanding Jetson Nano B01. Perbandingan klasik model dan transfer learning model yang dilakukan dalam penelitian ini, menunjukkan bahwa hasil evaluasi model terhadap data test yang disediakan tidak menunjukkan perbedaan sama sekali. hal ini disebabkan karena akurasi kedua model saat dilatih tidak terlalu berbeda. model klasik memiliki akurasi 99,03% sedangkan model transfer learning memiliki akurasi 99,13%.

Item Type: Thesis (Diploma)
Primary Supervisor: Ir. Werman Kasoep, M.Kom.
Uncontrolled Keywords: Masker, Klasifikasi Wajah Bermasker, Single Board Computer, Transfer Learning, Iklan Layanan Masyarakat
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Teknik Komputer
Depositing User: s1 sistem komputer
Date Deposited: 05 Oct 2021 04:59
Last Modified: 05 Oct 2021 04:59
URI: http://scholar.unand.ac.id/id/eprint/91484

Actions (login required)

View Item View Item