Deteksi Objek Masker Menggunakan Object Detection API Dan Tensorflow Lite Model Maker

Abstract

Masker merupakan benda yang digunakan untuk menutupi mulut dan hidung untuk mencegah menghirup dan melepaskan cairan pernafasan. Jenis masker dibagi dua, yaitu masker medis dan non-medis yang biasa dibuat dari tekstil atau bahan lainnya yang bisa dipakai berulang kali. Baik menggunakan masker medis maupun masker kain keduanya dapat menyaring dengan baik partikel atau cairan dengan tingkat efisiensi 86.4% untuk masker kain dan 99.9% untuk masker medis 3M. Masker digunakan untuk mencegah penyakit menular seperti pada pandemi COVID-19 serta juga digunakan untuk melindungi petugas kesehatan untuk mencegah Infeksi Nosokomial di rumah sakit. Maka dibuatlah model object detection untuk mendeteksi apakah seseorang menggunakan masker medis, masker kain, masker scuba, tidak menggunakan masker dengan benar, atau tidak menggunakan masker. Metode yang digunakan adalah TensorFlow Object Detection API dan TensorFlow Lite Model Maker dengan model dasar SSD MobileNet V2 FPNLite 320x320 dan SSD ResNet50 V1 FPN 640x640 (RetinaNet50) pada metode TensorFlow Object Detection API serta EfficientDet-Lite0 dan EfficientDet-Lite3 pada metode TensorFlow Lite Model Maker. Keempat model mendapat Average Precicion (AP) sebesar 72.4%, 71.11%, 70.43%, 75.84% untuk model MobileNet V2 FPNLite, SSD ResNet50 V1 FPN, EfficientDet-Lite0 dan EfficientDet-Lite3 berturut-turut. Keempat model ini diimplementasikan pada perangkat seluler. Pada perangkat seluler akan dilakukan pengujian dengan mendeteksi kelima kelas dengan tiga jarak yaitu 35 cm (close-up), 100 cm (sedang), 150 cm (jauh). Hasil pengujian menunjukan bahwa model dengan arsitektur EfficientDet-Lite3 memiliki tingkat akurasi terbaik, diikuti dengan MobileNet V2 FPNLite dan EfficientDet-Lite0 yang keduanya memiliki tingkat akurasi yang hampir sama, lalu ResNet50 V1 FPN yang tidak dilakukan pengujian.