FACE MASK DETECTION COVID-19 USING YOU ONLY LOOK ONCE (YOLOV3)
SKRIPSI
Sebagai Persyaratan Guna Meraih Gelar Sarjana Teknik Elektro Universitas Muhammadiyah Malang
Disusun oleh:
MOHAMAD AL FIKIH NIM. 201710130311121
JURUSAN ELEKTRO FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG 2021
ABSTRAK
Virus Corona (COVID-19) yang menjadi perhatian dunia, karena penyakit ini telah menyebar ke seluruh negara di dunia. Perhatian memakai masker di tempat umum merupakan implementasi protokol kesehatan yang harus diperhatikan, karena memakai masker merupakan salah satu tindakan yang dapat dilakukan sebagai bentuk pencegahan penularan virus corona. Face mask detection adalah alat pendeteksi yang digunakan untuk mengetahui apakah seseorang memakai masker atau tidak memakai masker. Face mask detection menggunakan sistem kecerdasan buatan yang mengembangkan sistem pengolahan citra, pengolahan citra digunakan sebagai sistem deteksi masker. Sistem yang digunakan dalam penelitian ini menggunakan YOLOv3 sebagai sistem pengklasifikasi objek yang terdeteksi.
Pengolahan citra yang digunakan dalam metode YOLOv3 ini mengunakan darknet.
Darknet merupakan sebuah sistem kecerdasan buatan yang dapat mendeteksi suatu objek. Deteksi objek yang dilakukan adalah untuk mengklasifikasikan “wearing mask” atau “not wearing mask”. Proses pengolahan citra menggunakan visualisasi gambar dengan memanfaatkan sistem deep learning dan mengklasifikasikannya berdasarkan kelas dan modelnya. Deteksi penggunaan masker ini menggunakan dataset gambar bermasker dan tidak bermasker sebagai penentu kelas dan model yang digunakan. Berbeda dengan kecerdasan buatan lainnya, YOLOv3 menggunakan regresi logistik sebagai fungsi kerugian. Pada tahap training dilakukan untuk mengetahui keakurasi pendeteksian. Pada tahap training menggunakan 90% untuk data training, dan 10% untuk data testing dengan menggunakan 1000 dataset. Pada tahap training mendapatkan keakurasi data pengujian yang baik sebesar 89% dan rata-rata loss berkurang menjadi 0,0739%
yang didapat dari proses training.
Kata Kunci : Covid-19, Face Mask, Object Detection, Image Processing, Machine Learning.
ABSTRACT
The Corona Virus (COVID-19) is of concern to the world, because this disease has spread to all countries in the world. Attention to wearing masks in public places is an implementation of health protocols that must be considered, because wearing a mask is one of the actions that can be taken as a form of preventing the transmission of the corona virus. Face mask detection is a detection tool used to find out whether someone is wearing a mask or not wearing a mask. Face mask detection uses an artificial intelligence system that develops an image processing system, image processing is used as a mask detection system. The system used in this study uses YOLOv3 as a system for classifying objects detected. Image processing used in this YOLOv3 method uses darknet. Darknet is an artificial intelligence system that can detect an object. Detection of objects carried out is to classify "wearing mask" or
"not wearing mask". The image processing process uses image visualization by utilizing a deep learning system and classifying it based on the class and model.
Detection of the use of masks uses a masked and unmasked image dataset as a determinant of the class and model used. In contrast to other artificial intelligences, YOLOv3 uses logistic regression as a loss function. At the training stage, it is carried out to determine the accuracy of detection. At the training stage using 90%
for training data, and 10% for testing data using 1000 datasets. At the training stage, the accuracy of the test data is good at 89% and the average loss is reduced to 0.0739% which is obtained from the training process.
Keywords: Covid-19, Face Mask, Object Detection, Image Processing, Machine Learning.
LEMBAR PERSEMBAHAN
Puji syukur kepada Allah Subhanahu Wa Ta’ala atas rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini. Penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada :
1. Allah SWT yang selalu memberikan kemudahan dan petunjuk dalam pengerjaan tugas akhir ini.
2. Terutama kepada Kedua orang tua saya Bapak Mohamad Saifudin, dan Ibu Mas Likah yang telah sabar, selalu mendukung saya, dan terimakasih atas kerja kerasnya dalam membiayai saya hingga mendapatkan gelar sarjana.
3. Dekan Fakultas Teknik Bapak Dr. Ahmad Mubin, MT dan Keluarga Besar Fakultas Teknik. Serta para Staf Dekan Fakultas Teknik dan keluarga besar Universitas Muhammadiyah Malang.
4. Ketua Jurusan Teknik Elektro Bapak Zulfatman, M.Eng., Ph.D.. dan Sekretaris Jurusan Teknik Elektro Bapak Widianto, ST, MT. beserta seluruh stafnya.
5. Bapak Ir. Nur Kasan, MT. dan Novendra Setyawan, ST., MT. yang telah meluangkan waktu untuk membimbing penulis dalam menyelesaikan TA.
6. Seluruh Civitas Akademika (dosen, asisten, dan karyawan) Universitas Muhammadiyah Malang.
7. Teman Kelas dan Teman Satu Angkatan 2017 Teknik Elektro serta Sahabat- sahabat Crocodile Squad, Tri Septiana, Diah Ayu, Julianto, Roby, Alin, Inda, Ulil, Yahya, dan Mita yang selalu mendukung, memberi semangat selama masa kuliah, yang berjuang bersama dalam mengerjakan tugas akhirnya masing- masing, yang selalu menjadi inspirasi, dan telah konsisten dalam pertemanan kita yang sudah 4 tahun ini.
8. Seluruh teman-teman organisasi saya dari Himpunan Mahasiswa Elektro, Badan Eksekutif Mahasiswa Fakultas Teknik, Asissten Laboratorium Fisika Dasar, dan Teman satu Angkatan FT yang telah memberikan saya pengalaman.
Semoga Allah Subhanahu Wa Ta’ala memberikan rahmat dan hidayah-Nya atas segala kebaikan dan semoga kita semua selalu dalam lindungan serta tuntunan- Nya.
KATA PENGANTAR
Dengan memanjatkan puji syukur kehadirat Allah Subhanahu Wa Ta’ala.
Atas limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul :
“FACE MASK DETECTION COVID-19 USING YOU ONLY LOOK ONCE (YOLOV3)”
Penulisan tugas akhir ini merupakan salah satu syarat untuk memperoleh gelar sarjana Teknik di Universitas Muhammadiyah Malang, selain itu penulis berharap tugas akhir ini dapat memperluas pustaka dan pengetahuan utamanya dalam bidang elektronika dan informatika.
Penulis menyadari sepenuhnya bahwa dalam penulisan tugas akhir ini masih banyak kekurangan dan keterbatasan. Oleh karena itu penulis mengharapkan saran yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan ke depan.
Akhir kata semoga buku ini dapat bermanfaat di masa sekarang dan masa mendatang. Sebagai manusia yang tidak luput dari kesalahan, maka penulis mohon maaf apabila ada kekeliruan baik yang sengaja maupun yang tidak sengaja.
Malang, 28 Juli 2021
Penulis
DAFTAR ISI
LEMBAR JUDUL ... i
LEMBAR PERSETUJUAN ... ii
LEMBAR PENGESAHAN ... iii
LEMBAR PERNYATAAN ... iv
ABSTRAK ... v
ABSTRACT ... vi
LEMBAR PERSEMBAHAN ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... ix
DAFTAR GAMBAR ... xi
DAFTAR TABEL... xii
BAB I PEDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah... 3
1.4 Tujuan Penelitian ... 3
1.5 Manfaat Penelitian ... 4
1.6 Sistematika Penulisan... 4
BAB II TINJAUAN PUSTAKA ... 5
2.1 Face Mask Detection... 5
2.2 Python ... 6
2.3 Yolov3 ... 6
2.4 Jetson Nano Nvidia ... 7
2.5 Webcam Logitec C615 ... 8
2.6 Monitor ... 9
2.7 Keyboard Logitech Wireless K220 ... 11
2.7 Mouse Logitech Wireless M150 ... 12
2.7 Adaptor ... 13
BAB III PERANCANGAN SISTEM……….... 14
3.1 Perancangan Hardware Face Mask Detectin ………. .14
3.1.1 Objek Manusia ... 15
3.1.2 Jetson Nano Nvidia ... 16
3.1.3 Webcam Logitec C615... 17
3.1.4 Monitor ... 19
3.2 Perancangan Software……… 21
3.2.1 Data Acquisition ... 22
3.2.2 LABELLING IMAGE ... 23
3.2.3 Data Processing ... 23
3.2.4 Train Image In Google Colabs ... 24
3.2.5 Train YOLOv3 In Google Colabs ... 24
3.2.6 Tahap Pengklasifikasian ... 24
BAB IV PEMBAHASAN ... 27
5.1 Kesimpulan ... 47
5.2 Saran ... 48
DAFTAR PUSTAKA ... 49
LAMPIRAN ... 51
DAFTAR GAMBAR Gambar 2.1. Face mask detection menggunakan metode YOLOv3 ... 5
Gambar 2.2. NVIDIA Jetson Nano ... 7
Gambar 2.3. Webcam Logitec C615 ... 9
Gambar 2.4. Monitor pada Face Mask Detection ... 10
Gambar 2.5. keyboard logitech wireless k220. ... 11
Gambar 2.6. Mouse Logitech Wireless M150 ... 12
Gambar 2.7. Adaptor ... 13
Gambar 3.1. Diagram Blok Perancangan Sistem ... 14
Gambar 3.2. Perancangan hardware Face Mask Detection. ... 18
Gambar 3.3. Pengklasifikasian Objek Manusia Mask dan No Mask. ... 19
Gambar 3.4. Jetson Nano Nvidia dengan Webcam Logitec dan monitor ... 20
Gambar 3.5. Perancangan Peletakan Webcam Logitec pada Jetson Nano.... 21
Gambar 3.6. Peletakan Monitor pada sistem ... 22
Gambar 3.7. Flowchart perancangan sistem Face Mask Detection ... 23
Gambar 3.8. Digram Alir proses pengklasifikasian ... 24
Gambar 3.9. Listing Program Face Mask Detection ... 25
DAFTAR TABEL
Tabel 2.1. Spesifikasi Jetson Nvidia Nano... 15
Tabel 2.2. Webcam Logitec C615 ... 15
Tabel 2.3. Spesifikasi Monitor ... 15
Tabel 3.1. Spesifikasi Jetson Nvidia Nano ... 16
Tabel 3.2. Keterangan port Webcam Logitec dan Monitor pada Jetson ... 17
Tabel 3.3. Spesifikasi Webcam Logitec C615 ... 18
Tabel 3.4. Keterangan port Webcam Logitec C615 pada Jetson Nano ... 18
Tabel 3.5. Spesifikasi Monitor tipe 20MK400H-B ... 19
Tabel 3.6. Keterangan port Webcam Logitec dan Monitor pada Jeson. ... 18
Tabel 4.1. Hasil Deteksi Menggunakan Masker dengan image ... 28
Tabel 4.2. Hasil Deteksi Tidak Menggunakan Masker dengan image ... 30
Tabel 4.3. Hasil Deteksi Menggunakan Video Stream ... 33
DAFTAR PUSTAKA
[1 ] M. M. Rahman, M. M. H. Manik, M. M. Islam, S. Mahmud, and J. H. Kim,
“An automated system to limit COVID-19 using facial mask detection in smart city network,” IEMTRONICS 2020 - Int. IOT, Electron. Mechatronics Conf. Proc., 2020, doi: 10.1109/IEMTRONICS51293.2020.9216386.
[2] A. Das, M. Wasif Ansari, and R. Basak, “Covid-19 Face Mask Detection Using TensorFlow, Keras and OpenCV,” 2020 IEEE 17th India Counc. Int.
Conf. INDICON 2020, 2020, doi: 10.1109/INDICON49873.2020.9342585.
[3] S. Li et al., “Multi-Angle Head Pose Classification when Wearing the Mask for Face Recognition under the COVID-19 Coronavirus Epidemic,” 2020 Int.
Conf. High Perform. Big Data Intell. Syst. HPBD IS 2020, 2020, doi:
10.1109/HPBDIS49115.2020.9130585.
[4] M. R. Bhuiyan, S. A. Khushbu, and M. S. Islam, “A Deep Learning Based Assistive System to Classify COVID-19 Face Mask for Human Safety with YOLOv3,” 2020 11th Int. Conf. Comput. Commun. Netw. Technol. ICCCNT 2020, 2020, doi: 10.1109/ICCCNT49239.2020.9225384.
[5] Q. Ye, “Masked Face Detection Via a Novel Framework,” vol. 149, no. Mecae, pp. 780–785, 2018, doi: 10.2991/mecae-18.2018.137.
[6] S. Ge, J. Li, Q. Ye, and Z. Luo, “Detecting masked faces in the wild with LLE-CNNs,” Proc. - 30th IEEE Conf. Comput. Vis. Pattern Recognition, CVPR 2017, vol. 2017-Janua, pp. 426–434, 2017, doi:
10.1109/CVPR.2017.53.
[7] S. Ge, J. Li, Q. Ye, and Z. Luo, “Detecting masked faces in the wild with LLE-CNNs,” Proc. - 30th IEEE Conf. Comput. Vis. Pattern Recognition, CVPR 2017, vol. 2017-Janua, pp. 426–434, 2017, doi:
10.1109/CVPR.2017.53.
[8] K. Du, J. Song, X. Wang, X. Li, and J. Lin, “A Multi-Object Grasping Detection Based on the Improvement of YOLOv3 Algorithm,” Proc. 32nd Chinese Control Decis. Conf. CCDC 2020, pp. 1027–1033, 2020, doi:
10.1109/CCDC49329.2020.9164792.
[9] L. Dong and Z. Meng, “Symmetric prior aerial object detection based on improved YOLOv3,” Proc. - 2020 12th Int. Conf. Intell. Human-Machine
Syst. Cybern. IHMSC 2020, vol. 1, pp. 35–39, 2020, doi:
10.1109/IHMSC49165.2020.00016.
[10] B. Chethan Kumar, R. Punitha, and Mohana, “YOLOv3 and YOLOv4:
Multiple object detection for surveillance applications,” Proc. 3rd Int. Conf.
Smart Syst. Inven. Technol. ICSSIT 2020, no. Icssit, pp. 1316–1321, 2020, doi: 10.1109/ICSSIT48917.2020.9214094.
UNIVERSITAS MUHAMMADIYAH MALANG
FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO & D3 TEKNIK ELEKTRONIKA
Jl. Raya Tlogomas 246 Malang 65144 Telp. 0341 - 464318 Ext. 129, Fax. 0341 - 460782
FORM CEK PLAGIASI LAPORAN TUGAS AKHIR
Nama Mahasiswa : Mohamad Al Fikih
NIM 201710130311121
Judul TA : FACE MASK DETECTION COVID-19 USING YOU ONLY LOOK ONE
(YOLOv3) Hasil Cek Plagiarisme dengan Turnitin
No. Komponen Pengecekan Nilai Maksimal
Plagiasi (%)
Hasil Cek Plagiasi (%) *
1. Bab 1 – Pendahuluan 10 % 7%
2. Bab 2 – Studi Pustaka 25 % 21%
3. Bab 3 – Metodelogi Penelitian 35 % 16%
4. Bab 4 – Pengujian dan Analisis 15 % 1%
5. Bab 5 – Kesimpulan dan Saran 5 % 0%
6. Publikasi Tugas Akhir 20 % 10%
Mengetahui,
Dosen Pembimbing I, Dosen Pembimbing II,
( Ir. Nur Kasan, MT. ) ( Novendra Setyawan, ST., MT.)
