Record Details

Deteksi Orang Bermasker untuk Akses Pintu berdasarkan Rasio Bounding Box Wajah dan Roundness menggunakan Naive Bayes berbasis Raspberry Pi

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Deteksi Orang Bermasker untuk Akses Pintu berdasarkan Rasio Bounding Box Wajah dan Roundness menggunakan Naive Bayes berbasis Raspberry Pi
 
Added Entry - Uncontrolled Name Syahdana, Aditya Rafly
Fitriyah, Hurriyatul
Maulana, Rizal
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. COVID-19 merupakan penyakit yang disebabkan oleh virus corona dan telah menyebabkan global pandemic sejak desember 2019. Penggunaan masker sangat dianjurkan untuk menghentikan penyebaran virus corona, terutama pada ruangan tertutup seperti ruang kantor dan ruang kelas. Sistem deteksi orang bermasker untuk akses pintu berdasarkan rasio Bounding Box wajah dan Roundness mengunakan Naive Bayes berbasis Raspberry Pi digunakan untuk memastikan orang yang ingin masuk ruang kelas dan ruang kantor menggunakan masker. Digunakan webcam untuk menangkap citra orang yang ingin masuk. Citra tersebut diolah dan diklasifikasikan pada Raspberry Pi 4. Pengolahan citra dimulai dengan konversi RGB ke YCbCr, melakukan morfologi dilate, opening dan closing. Pengolahan citra tersebut bertujuan untuk segmentasi wajah manusia dan menghilangkan background. Dilakukan ekstraksi fitur wajah manusia dengan fitur rasio Bounding Box dan Roundness yang bertujuan untuk menentukan wajah manusia yang dideteksi. Metode untuk mengklasifikasikan wajah yaitu metode Naive Bayes. Solenoid lock terbuka ketika hasil klasifikasi bermasker dan akan terkunci ketika hasil klasifikasi tidak bermasker. Pada proses pengujian model Naive Bayes menggunakan 60 data uji didapatkan akurasi tertinggi yaitu 90%. Untuk membuktikan akurasi model Naive Bayes tersebut dilakukan pengujian dengan memasukkan ke sistem secara langsung gambar pada 5 jarak berbeda yaitu pada jarak 0.5 meter, 1 meter, 1.5 meter, 2 meter, dan 2.5 meter. Pengujian setiap jarak tersebut mendapat akurasi rata-rata sebesar 86.6%. Waktu eksekusi rata-rata yang dibutuhkan sistem untuk melakukan deteksi adalah 8.82412 millisecond.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10130
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 11 (2021): November 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com