REAL-TIME FACEMASK DETECTION DALAM KERUMUNAN MENGGUNAKAN DRONE SEBAGAI IMPLEMENTASI PROTOKOL KESEHATAN

Tahun 2020, penyebaran virus menjadi sorotan public karena penyebaran virus jenis baru bernama Covid-19. Penyebaran virus terbagi menjadi 2 macam, yaitu penyebaran langsung dan tak langsung. Dikarenakan penyebaran virus yang sulit dihindari dan penyebarannya tidak dapat dilihat dengan mata biasa, maka pemerintah Indonesia membuat kebijakan “Protokol Kesehatan”. Protokol Kesehatan adalah protocol untuk menaati 3M (Memakai masker, Menjaga jarak, dan Mencuci tangan) sehingga menjadi alasan penelitian ini untuk dilakukan menggunakan drone agar dapat membantu SDM prokes (polisi, kepala RT/RW, relawan Covid Hunter) dalam mengevaluasi daerah mana saja yang patuh menaati prokes. Penelitian ini memberikan alternatif penerapan Covid-19 selain CCTV karena sifat drone yang fleksibel (dapat diterbangkan) yang menggunakan sistem RTMP (Real Time Messaging Protocol) sehingga dapat memproses video yang di-streaming ke laptop SDM Covid Hunter secara real-time. Selain itu, sistem ini menggunakan metode deep learning MobileNet V2 agar model yang berjalan dapat lebih ringan dan menggunakan fully connected layer dari model yang telah di-fine tuning. Dengan adanya sistem ini, SDM Covid Hunter dapat mengambil informasi dan mengetahui secara lebih cepat daerah mana saja yang patuh menjalankan protokol kesehatan secara real-time. Data latih pada penelitian ini menggunakan data primer dan data sekunder. Untuk pengujian sistem, digunakan 4 skenario kondisi hadap wajah, 18 skenario kondisi jarak dengan sudut x (jarak horizontal drone ke objek wajah) mulai jarak 5 meter hingga 10 meter dan sudut y (jarak vertikal drone ketinggian dari atas tanah), serta mengambil 12 frame dari setiap skenario sehingga total data hasil yang digunakan berjumlah 216 frame. Hasil pengujian sistem menggunakan Confusion Matrix menunjukkan nilai rata-rata akurasi pada Skenario 1 (wajah hadap kiri) hingga 91%, Skenario 2 sebesar 88,38% (wajah hadap depan), Skenario 3 sebesar 88,22% (wajah hadap kanan) dan pada Skenario 4 hingga 76,56% (wajah hadap secara acak).

Kata Kunci : Covid 19, drone, real-time, klasifikasi masker, MobileNetV2, fine tuning, confusion matrix.