Klasifikasi Masker Wajah Menggunakan Efficientnet
Kata Kunci:
Klasifikasi Masker Wajah, Deep Learning, EfficientNet-B0, Transfer Learning, Computer VisionAbstrak
Implementasi protokol kesehatan, khususnya penggunaan masker di ruang publik, menjadi krusial pasca pandemi COVID-19 untuk menekan laju transmisi virus. Namun, pengawasan manual oleh personel keamanan memiliki keterbatasan dalam hal konsentrasi dan efisiensi pada area padat. Penelitian ini bertujuan untuk membangun model klasifikasi citra berbasis Deep Learning yang mampu membedakan wajah bermasker dan tidak bermasker secara otomatis dengan presisi tinggi. Metode yang digunakan adalah arsitektur EfficientNet-B0 dengan pendekatan Transfer Learning memanfaatkan bobot pre-trained dari ImageNet. Penggunaan teknik Compound Scaling pada EfficientNet memungkinkan keseimbangan optimal antara akurasi dan efisiensi komputasi, sehingga cocok diimplementasikan pada perangkat dengan sumber daya terbatas. Hasil eksperimen menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 99,80% hanya dalam 5 epoch pelatihan. Evaluasi melalui confusion matrix menunjukkan performa yang sangat stabil dengan nilai precision dan recall mencapai 1.00 pada kedua kelas. Penelitian ini menyimpulkan bahwa EfficientNet-B0 sangat efektif untuk sistem pengawasan kesehatan publik yang ringan namun tangguh.
Referensi
Amalia, R., Ikasari, I. H., & Rosyani, P. (2023). Sistem Pendukung Keputusan Pemilihan Maklon SkinCare Terbaik dengan Metode VIKOR. Journal of Decision Support System Research, 1(2), 37–44.
Asri, E., Sonatha, Y., Rahmayuni, I., & Azmi, M. (2022). Detection of Mask Usage Using Image Processing and Convolutional Neural Network (CNN) Methods. Jurnal Teknologi Informasi dan Pendidikan, 15(1), 1–10. https://doi.org/10.24036/tip.v15i1
Ayu, T. S. P., Afidah, A. N., Yuliani, Maulana, F. A., & Prasiwiningrum, E. (2024). A Systematic Literature Review on Optimizing Mask Detection Systems Using Convolutional Neural Networks for Public Health and Safety. Journal of ICT Aplication and System (JICTAS), 3(2), 47–58. https://doi.org/10.56313/jictas.v1i1.312
Ikasari, I. H., Rosyani, P., & Amalia, R. (2025). Klasifikasi Jenis Buah Menggunakan Metode CNN. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(2). https://doi.org/10.31004/riggs.v4i2.1271
Khadijah, Kusumaningrum, R., Rismiyati, & Mujadidurrahman, A. (2021). An Efficient Masked Face Classifier Using EfficientNet. 5th International Conference on Informatics and Computational Sciences (ICICOS), 277–281.
Khadijah, Kusumaningrum, R., Rismiyati, & Sabilly, N. (2025). EfficientNet Model for Multiclass Classification of The Correctness of Wearing Face Mask. Indonesian Journal of Electrical Engineering and Informatics (IJEEI), 13(1), 18–29. https://doi.org/10.52549/ijeei.v13i1.5197
Pradana, A. I., Abdullah, R. W., & Harsanto. (2022). Deteksi Ketepatan Pengunaan Masker Wajah Dengan Algoritma CNN Dan Haar Cascade. Jurnal Teknik Informatika dan Sistem Informasi (Jatisi), 9(3), 2305–2316.
Prasetia, O., Machfud, S., Rosyani, P., & Agustian, B. (2025). Klasifikasi Gender Berbasis Citra Wajah Menggunakan Clustering dan Deep Learning. Bulletin of Computer Science Research, 5(4), 770–777. https://doi.org/10.47065/bulletincsr.v5i4.581
Rakhmansyah, A., & Rosyani, P. (2024). Literature Review: Klasifikasi Penyakit Paru-paru Menggunakan Metode Decision Tree. OKTAL: Jurnal Ilmu Komputer dan Sains, 3(10), 2572–2577.
Rosyani, P., Lutfi, A. M., Purwadi, E., Kamaluddin, H., Hanaan, Y. A., & Ikasari, I. H. (2025). Application of Random Forest for Rice Plant Disease Classification. International Journal of Integrative Sciences, 4(1), 141–150. https://doi.org/10.55927/ijis.v4i1.13477
Saputra, R. A., Putra, D. R. R., & Asyrofi, M. A. (2023). Implementasi Convolutional Neural Network (CNN) Untuk Mendeteksi Penggunaan Masker Pada Gambar. Jurnal Informatika dan Teknik Elektro Terapan (JITET), 11(3), 710–714. https://doi.org/10.23960/jitet.v11i3.3286
