Kursus Skripsi Tesis Disertasi OpenCV Python | Pengembangan Aplikasi Deteksi Masker Wajah di Tempat Umum Menggunakan OpenCV dan Python

Berikut adalah silabus 20 sesi (masing-masing 1,5 jam) untuk disertasi berjudul:

🎓 Pengembangan Aplikasi Deteksi Masker Wajah di Tempat Umum Menggunakan OpenCV dan Python

🧠 Tahap 1: Pengantar & Dasar Pengolahan Citra (Sesi 1–5)

Sesi 1:

• Pengantar computer vision dan peranannya dalam deteksi wajah

• Studi literatur tentang sistem deteksi masker wajah

• Instalasi tools: Python, OpenCV, TensorFlow/Keras, Jupyter Notebook

Sesi 2:

• Dasar image processing: grayscale, histogram equalization, blur, threshold

• Penerapan teknik-teknik dasar tersebut pada citra wajah

Sesi 3:

• Deteksi wajah menggunakan Haar Cascade dan DNN OpenCV

• Uji coba deteksi wajah dari gambar dan webcam

Sesi 4:

• Pengenalan CNN untuk klasifikasi gambar

• Struktur model sederhana CNN (Conv2D, MaxPooling, Flatten, Dense)

Sesi 5:

• Dataset deteksi masker wajah (Kaggle/Roboflow)

• Teknik augmentasi data untuk menghindari overfitting

⚙️ Tahap 2: Pembangunan Sistem Deteksi Masker (Sesi 6–12)

Sesi 6:

• Penerapan CNN untuk klasifikasi wajah bermasker dan tidak bermasker

• Latihan: training, validation, dan evaluasi model

Sesi 7:

• Fine-tuning model MobileNetV2 atau ResNet50 untuk klasifikasi masker

• Transfer learning & perbandingan akurasi

Sesi 8:

• Integrasi deteksi wajah + klasifikasi masker dalam satu pipeline

• Testing pada citra statis

Sesi 9:

• Integrasi real-time menggunakan webcam

• Overlay bounding box dan label (MASK/NO MASK) pada video stream

Sesi 10:

• Penyesuaian sistem terhadap pencahayaan rendah, posisi miring, atau blur

• Uji coba berbagai skenario umum

Sesi 11:

• Penambahan fitur logging data: waktu, status masker, dan jumlah wajah

• Output ke file CSV atau database lokal

Sesi 12:

• Penambahan fitur notifikasi suara atau popup jika tidak memakai masker

• Simulasi skenario tempat umum (kelas, lobi, kantor)

🧪 Tahap 3: Pengujian Sistem & Antarmuka (Sesi 13–16)

Sesi 13:

• Uji sistem dalam lingkungan nyata: ruangan indoor, outdoor, keramaian

• Evaluasi kecepatan deteksi dan akurasi dalam kondisi berbeda

Sesi 14:

• Analisis false positive dan false negative

• Perbaikan dan tuning ulang model (jika diperlukan)

Sesi 15:

• Pengembangan antarmuka aplikasi dengan Tkinter/Flask

• Tampilan live webcam, hasil deteksi, dan laporan ringkasan

Sesi 16:

• Integrasi penuh: kamera + sistem klasifikasi + UI + log data

• Simulasi lengkap aplikasi deteksi masker

📝 Tahap 4: Dokumentasi & Penyusunan Disertasi (Sesi 17–20)

Sesi 17:

• Penulisan bab 1 (latar belakang, rumusan masalah, tujuan, manfaat)

• Penyusunan kerangka laporan

Sesi 18:

• Penulisan metodologi: alur kerja sistem, arsitektur CNN, pengujian

• Visualisasi model dan skema pipeline sistem

Sesi 19:

• Penulisan hasil & pembahasan: tabel akurasi, grafik training, confusion matrix

• Penulisan kesimpulan dan saran pengembangan lanjutan

Sesi 20:

• Review laporan akhir, simulasi presentasi, dan sesi tanya jawab

• Finalisasi dan backup semua kode, model, dan dokumen