Modifikasi Arsitektur Single Shoot Mulibox Detector Untuk Deteksi Penggunaan Masker

Abstrak— berakhirnya pandemi covid-19 berimbas pada monitoring penggunan masker yang semakin diabaikan, meskipun memakai masker dapat mengurangi resiko penularan. Memanfaatkan Artificial Intelegence untuk melakukan object detection menjadi salah satu solusi agar monitoring tetap dapat dilaksanakan, salah satunya dengan metode Single Shoot Multibox Detector (SSD) [1]. Arsitektur SSD memiliki 3 layer utama yaitu, base network, extra convolutional feature layers, dan convolutional predictor layer. Convolutional predictor layer menghasilkan 8732 deteksi untuk tiap kelas, dari hasil kombinasi base network dan extra convolutional feature layer dengan default boxes. Pada penilitian ini, arsitektur SSD dilakukan modifikasi (SSD v2) pada convolutional predictor layer yang hanya mendapat input dari extra convolutional feature layers, sehingga deteksi yang dihasilkan berkurang menjadi 790 deteksi. Dari hasil training dan testing dalam melakukan deteksi masker, SSD v2 mempunyai mAP sebesar 87,23%, sedangkan SSD mempunyai mAP sebesar 92,79%. Akan tetapi,  SSD v2 memiliki nilai loss yang lebih kecil  yaitu sebesar 1,03, sedangkan SSD v2 memiliki nilai loss 1,39.
Kata kunci: Masker; Artificial Intelegence; Object detection; SSD