Analisis Kinerja CNN Dalam Klasifikasi Penggunaan Masker Wajah

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

Penggunaan masker wajah merupakan upaya pencegahan yang krusial dalam menekan penyebaran penyakit melalui udara, termasuk penyakit zoonosis seperti Hantavirus. Namun, pemantauan kepatuhan secara manual masih menghadapi keterbatasan dari segi efektivitas dan efisiensi, sehingga diperlukan sistem pemantauan otomatis berbasis computer vision.Penelitian ini mengkaji kemampuan metode Convolutional Neural Network (CNN) dalam mengklasifikasikan pemakaian masker wajah ke dalam tiga kategori, yaitu incorrect_mask, with_mask, dan without_mask. Dataset yang digunakan adalah Face Mask Detection Dataset yang memuat 14.536 citra, dengan tahapan penelitian meliputi pre-processing, perancangan arsitektur CNN, pelatihan model, serta evaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix.Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi sebesar 80,08%. Kelas incorrect_mask memperoleh performa terbaik dengan precision 94%, recall 99%, dan F1-score 96%, sedangkan kelas with_mask dan without_mask masih mengalami beberapa kesalahan klasifikasi akibat kemiripan karakteristik visualnya. Secara keseluruhan, metode CNN terbukti memiliki kemampuan yang memadai dalam klasifikasi penggunaan masker wajah dan berpotensi diterapkan sebagai sistem pemantauan kepatuhan masker secara otomatis di lingkungan publik