DETEKSI MASKER SECARA REAL-TIME MENGGUNAKAN SURVEILLANCE CAMERA SEBAGAI PENGAWASAN PENERAPAN PROTOKOL KESEHATAN = REAL-TIME MASK DETECTION USING SURVEILLANCE CAMERA AS MONITORING TO IMPLEMENTATION OF HEALTH PROTOCOLS

Pandemi Covid-19 menjadi permasalahan global yang dihadapi seluruh dunia termasuk Indonesia. Setelah pemerintah juga secara resmi telah menghapus kewajiban menggunakan masker di ruangan terbuka, Mei 2022 lalu, maka implementasi protokol Kesehatan dalam hal ini penggunaan masker, berfokus pada ruangan tertutup. Namun, dalam hal upaya implementasinya dalam ruangan tertutup, hanya dilakukan pengawsan yang tidak maksimal dimana ketika berada dalam suatu ruangan, pengawasan penggunaan masker bisa dikatakan kurang efektif. Oleh karena itu penulis melakukan penelitian Deteksi Masker Secara Real-Time Menggunakan Surveillance Camera sebagai Pengawasan Penerapan Protokol Kesehatan.Penelitian ini dimulai dengan pengumpulan dan pengolahan dataset yang berisi wajah bermsaker dan tidak bermasker. Selanjutnya, kami menggunakan OFMClassifier sebagai arsitektur model pada Convolutional Nerual Network (CNN). Kami menyesuaikan model dengan dataset kami dan melakukan pelatihan pada data tersebut.Kami melakukan pelatihan model dengan 16 skenario yang berbeda. Kami memodifikasi parameter seperti batch size (32, 64, 128, dan 256), learning rate 0.0001 dan 0.00001, serta menggunakan optimizer Adam dan Adamax. Evaluasi dilakukan dengan membagi dataset menjadi tiga bagian: data pelatihan, data validasi, dan data uji. Hasil pelatihan menunjukkan bahwa skenario dengan ukuran batch 64, learning rate 0.0001, dan optimizer Adam menghasilkan akurasi pelatihan sebesar 99.34% dan akurasi validasi sebesar 99.4%. Skenario ini menunjukkan kinerja terbaik di antara semua skenario lainnya.Kami juga melakukan uji real time dengan beberapa skenario meliputi penggunaan varian masker dan jarak deteksi antar kamera terhadap objek. Kami menggunakan jarak 2,3,4, dan 5 meter dengan 3 sampel varian masker medis. Hasil performa secara keseluruhan uji real-time ini tercatat dengan rata-rata akurasi sebesar 75,5%. Hasil penelitian ini menunjukkan bahwa model kami melakukan deteksi penggunaan masker. Hal ini menunjukkan bahwa penggunaan algoritma OFMClassifier dalam klasifikasi objek bermasker menunjukkan hasil yang baik. Penelitian lebih lanjut dapat menggali lebih dalam dengan memperluas dataset, menggunakan teknik data augmentation, atau mengeksplorasi kombinasi parameter lainnya untuk meningkatkan performa model.

Kata Kunci : Klasifikasi Masker, CNN, OFMClassifier