Trisna Gelar, Mugi Pangestu, Muhammad Fikri, N. Taufik, Urip Teguh, Jonner Hutahaean
{"title":"在办公空间内检测Android面具和YOLOv5的视频实时媒体使用","authors":"Trisna Gelar, Mugi Pangestu, Muhammad Fikri, N. Taufik, Urip Teguh, Jonner Hutahaean","doi":"10.17509/edsence.v4i2.52230","DOIUrl":null,"url":null,"abstract":"Relaksasi penggunaan masker untuk pencegahan penyebaran COVID-19 telah diberlakukan, namun untuk kegiatan dalam ruangan dan wilayah perkantoran kebijakan tersebut masih wajib dilaksanakan. Sistem pengawasan otomatis komersial memerlukan perangkat tambahan seperti kamera khusus, CCTV atau sistem berbasis IoT. Alternatif lain dengan menggunakan perangkat Android yang mudah digunakan dan biaya inisiasi serta pemeliharaannya lebih rendah. Maka dari itu pengembangan sistem deteksi masker berbasis Android perlu dikembangkan. Pada penelitian ini fitur deteksi masker dikembangkan menggunakan algoritma YOLOv5 pada 1200 gambar campuran dari data Face Mask Detection dengan Face Mask KoTA205. Dengan menambahkan distribusi kelas without mask dan with mask, Model YOLOv5 yang dihasilkan mencapai akurasi mAP 91,24% dan F1-Score 87,78%. Selain itu model sudah dikonversi berformat PyTorch Lite dan dapat digunakan pada sistem berbasis Android Pendeteksi Masker. Sistem telah terimplementasi memiliki tiga fitur utama, inisiasi perangkat, pendeteksian masker dan peringatan suara bila terjadi pelanggaran dan dashboard untuk bahan monitoring (data pendeteksian diolah menggunakan Firebase). Khusus fitur pendeteksian masker, telah diuji delapan test case unit test dan tiga test case integration testing, dengan keseluruhan test case berjalan sukses.","PeriodicalId":210826,"journal":{"name":"Jurnal Pendidikan Multimedia (Edsence)","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-12-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Pendeteksian Penggunaan Masker Berbasis Android dan YOLOv5 untuk Media Video Realtime pada Ruang Perkantoran\",\"authors\":\"Trisna Gelar, Mugi Pangestu, Muhammad Fikri, N. Taufik, Urip Teguh, Jonner Hutahaean\",\"doi\":\"10.17509/edsence.v4i2.52230\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Relaksasi penggunaan masker untuk pencegahan penyebaran COVID-19 telah diberlakukan, namun untuk kegiatan dalam ruangan dan wilayah perkantoran kebijakan tersebut masih wajib dilaksanakan. Sistem pengawasan otomatis komersial memerlukan perangkat tambahan seperti kamera khusus, CCTV atau sistem berbasis IoT. Alternatif lain dengan menggunakan perangkat Android yang mudah digunakan dan biaya inisiasi serta pemeliharaannya lebih rendah. Maka dari itu pengembangan sistem deteksi masker berbasis Android perlu dikembangkan. Pada penelitian ini fitur deteksi masker dikembangkan menggunakan algoritma YOLOv5 pada 1200 gambar campuran dari data Face Mask Detection dengan Face Mask KoTA205. Dengan menambahkan distribusi kelas without mask dan with mask, Model YOLOv5 yang dihasilkan mencapai akurasi mAP 91,24% dan F1-Score 87,78%. Selain itu model sudah dikonversi berformat PyTorch Lite dan dapat digunakan pada sistem berbasis Android Pendeteksi Masker. Sistem telah terimplementasi memiliki tiga fitur utama, inisiasi perangkat, pendeteksian masker dan peringatan suara bila terjadi pelanggaran dan dashboard untuk bahan monitoring (data pendeteksian diolah menggunakan Firebase). Khusus fitur pendeteksian masker, telah diuji delapan test case unit test dan tiga test case integration testing, dengan keseluruhan test case berjalan sukses.\",\"PeriodicalId\":210826,\"journal\":{\"name\":\"Jurnal Pendidikan Multimedia (Edsence)\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-12-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Pendidikan Multimedia (Edsence)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.17509/edsence.v4i2.52230\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Pendidikan Multimedia (Edsence)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17509/edsence.v4i2.52230","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Pendeteksian Penggunaan Masker Berbasis Android dan YOLOv5 untuk Media Video Realtime pada Ruang Perkantoran
Relaksasi penggunaan masker untuk pencegahan penyebaran COVID-19 telah diberlakukan, namun untuk kegiatan dalam ruangan dan wilayah perkantoran kebijakan tersebut masih wajib dilaksanakan. Sistem pengawasan otomatis komersial memerlukan perangkat tambahan seperti kamera khusus, CCTV atau sistem berbasis IoT. Alternatif lain dengan menggunakan perangkat Android yang mudah digunakan dan biaya inisiasi serta pemeliharaannya lebih rendah. Maka dari itu pengembangan sistem deteksi masker berbasis Android perlu dikembangkan. Pada penelitian ini fitur deteksi masker dikembangkan menggunakan algoritma YOLOv5 pada 1200 gambar campuran dari data Face Mask Detection dengan Face Mask KoTA205. Dengan menambahkan distribusi kelas without mask dan with mask, Model YOLOv5 yang dihasilkan mencapai akurasi mAP 91,24% dan F1-Score 87,78%. Selain itu model sudah dikonversi berformat PyTorch Lite dan dapat digunakan pada sistem berbasis Android Pendeteksi Masker. Sistem telah terimplementasi memiliki tiga fitur utama, inisiasi perangkat, pendeteksian masker dan peringatan suara bila terjadi pelanggaran dan dashboard untuk bahan monitoring (data pendeteksian diolah menggunakan Firebase). Khusus fitur pendeteksian masker, telah diuji delapan test case unit test dan tiga test case integration testing, dengan keseluruhan test case berjalan sukses.