Deteksi Wanita Berhijab dan tidak Berhijab dengan menggunakan Metode Mask RCNN

Fathorazi Nur Fajri, Gulpi Qorik Oktagalu Pratamasunu, Diyah Ayu Aprilingga

Abstract


Setiap santriwati yang tinggal di pesantren wajib menggunakan hijab. Untuk melakukan control dan monitoring penggunaan hijab di pesantren saat ini masih dilakukan secara manual oleh pihak keamanan. Proses control dan monitoring yang dilakukan secara manual ini membutuhkan waktu dan proses yang lama serta membutuhkan sumber daya manusia yang banyak. Untuk membantu mengatasi permasalahan yang ada, maka dibutuhkan sistem yang dapat memonitoring pemakaian hijab secara otomatis. Pada penelitian ini diusulkan menggunakan metode MASK RCNN untuk mendeteksi objek wanita yang tidak berhijab dan wanita yang berhijab dari gambar digital. Dataset yang digunakan pada penelitian ini terdapat 3 kategori yaitu wanita berhijab syar’i, wanita berhijab tidak syar’i, dan wanita tidak berhijab yang memiliki 4 class yaitu wajah, rambut, hijab syar’i, hijab non syar’i. Proses yang dilakukan pada metode tersebut terdapat 2 tahapan yaitu data training dan data testing. Data training yang digunakan adalah 1500 citra digital setiap kategori berjumlah 500 citra digital dan data testing yaitu digunakan 150 gambar setiap kategori berjumlah 50 gambar. Model ini dilatih dengan metode MASK RCNN data training memperoleh epoch 30 dengan nilai loss 0,1770, nilai val_loss 0,1745 dan waktu 473s 946ms/step. Hasil eksperimen menunjukkan bahwa metode yang diusulkan dapat mendeteki hijab syar’i dengan tingkat akurasi 96%, hijab tidak syar’i dengan tingkat akurasi 96 % dan tidak berhijab dengan tingkat akurasi 94%.

Keywords


Hijab; Control dan Monitoring; Mask RCNN

Full Text:

PDF

References


Institute of Electrical and Electronics Engineers. Bangladesh Section and IEEE Communications Society, ICCIT : 2017 20th International Conference of Computer and Information Technology : 22-24 December 2017.

D. M. Madkour, A. Madani, and M. W. Fakhr, “Automatic face and hijab segmentation using convolutional network,” International Journal of Integrated Engineering, vol. 11, no. 7, pp. 61–66, Nov. 2019, doi: 10.30880/ijie.2019.11.07.008.

A. Jahir, K. Indartono, J. Pol Soemarto, K. jambu Purwanegara, and K. Purwokerto Utara, “DETEKSI KHIMAR WANITA PADA CITRA WAJAH MENGGUNAKAN METODE GAUSSIAN MIXTURE MODEL,” 2019.

A. A. Alashbi, M. Shahrizal Sunar Professor, and Z. Alqahtani, “Deep-Learning-CNN for Detecting Covered Faces with Niqab”, doi: 10.22059/jitm.2022.84888.

M. Bizjak, P. Peer, and Ž. Emeršič, “Mask R-CNN for Ear Detection.” [Online]. Available: https://github.com/matterport/Mask_RCNN/

K. He, G. Gkioxari, P. Dollár, and R. Girshick, “Mask R-CNN.”

J. W. Johnson, “Adapting Mask-RCNN for Automatic Nucleus Segmentation,” May 2018, doi: 10.1007/978-3-030-17798-0.

K. Lin et al., “Face Detection and Segmentation Based on Improved Mask R-CNN,” Discrete Dynamics in Nature and Society, vol. 2020, 2020, doi: 10.1155/2020/9242917.

R. Imantiyar, ; Dhomas, and H. Fudholi, “Kajian Pengaruh Dataset dan Bias Dataset terhadap Performa Akurasi Deteksi Objek,” vol. 14, no. 2, 2021, doi: 10.33322/petir.v14i2.1150.

M. D. Pramita, B. Kurniawan, and N. P. Utama, “Mask Wearing Classification using CNN,” Sep. 2020. doi: 10.1109/ICAICTA49861.2020.9429029.

D. Rahmawati, M. Adityas, H. Pratama, K. Aji, and W. Ab, “Alat Pendeteksi Wajah Mahasiswa Universitas Trunojoyo Madura (Utm) Menggunakan Metode Viola-Jones,” 2021. [Online]. Available: http://dx.doi.org/

F. S. Mukti, L. Farokhah, and N. L. Aqromi, “PEMODELAN SISTEM DETEKSI WAJAH SEBAGAI PENGHITUNG JUMLAH PENUMPANG TRANSPORTASI PUBLIK”, [Online]. Available: https://s.id/jurnalresistor

N. Saubari, “DETEKSI CITRA WAJAH DENGAN METODE HAAR FEATURE SELECTION.”

R. R. Hajar et al., “DETEKSI WAJAH BERBASIS FACIAL LANDMARK MENGGUNAKAN OPENCV DAN DLIB,” Jurnal Teknologi Informasi), vol. 5, no. 2, 2021.

K. Kärkkäinen and J. Joo UCLA, “FairFace: Face Attribute Dataset for Balanced Race, Gender, and Age for Bias Measurement and Mitigation.” [Online]. Available: https://github.com/joojs/fairface.

H. Angriawan, “PEMBUATAN PERANGKAT LUNAK UNTUK KLASIFIKASI JENIS KELAMIN BERDASARKAN CITRA WAJAH.” [Online]. Available: http://www.facevar.com

nadhifa sofia, “CONVOLUTIONAL NEURAL NETWORK,” 9 juni 2018.

S. Pencatatan et al., “Menggunakan Metode Convolutional Neural Network (CNN) Face Recognition-based Automatic Attendance Recording System in Classroom Using Convolutional Neural Network (CNN) Method,” 2018. [Online]. Available: https://ejournal.upi.edu/index.php/JATIKOM




DOI: http://dx.doi.org/10.26418/jp.v8i3.57397

Refbacks

  • There are currently no refbacks.