Kursus Skripsi Tesis Disertasi Python YOLO ~ Implementasi YOLO untuk Deteksi Masker Wajah pada Area Publik

Berikut adalah silabus 10 sesi @1.5 jam untuk topik:
🧠 “Implementasi YOLO untuk Deteksi Masker Wajah pada Area Publik”
Silabus ini cocok untuk mahasiswa, peneliti, atau profesional yang ingin membangun sistem deteksi masker berbasis computer vision.

🗓️ Silabus 10x Sesi – Implementasi YOLO Deteksi Masker

Sesi 1: Pengenalan Computer Vision dan YOLO

• Definisi dan ruang lingkup computer vision

• Evolusi algoritma deteksi objek (RCNN, SSD, YOLO)

• Versi YOLO (v3 hingga v8): kelebihan dan perbedaan

• Studi kasus: Deteksi masker wajah

Sesi 2: Instalasi Lingkungan Pengembangan

• Instalasi Python, Anaconda, dan Jupyter Notebook

• Instalasi YOLOv5 (atau YOLOv8) dari Ultralytics

• Instalasi dependensi: PyTorch, OpenCV, Pandas

• Uji coba model bawaan YOLO

Sesi 3: Dataset dan Anotasi

• Sumber dataset deteksi masker (e.g. MAFA, RMFD, custom)

• Struktur dataset YOLO: images, labels

• Alat anotasi: LabelImg, Roboflow, CVAT

• Format label YOLO: [class_id x_center y_center width height]

Sesi 4: Persiapan Dataset Custom

• Resize dan augmentasi data (flip, brightness, zoom)

• Konversi dataset ke format YOLO jika perlu

• Split dataset: train, valid, test

• Konfigurasi file data.yaml

Sesi 5: Pelatihan Model YOLO

• Konfigurasi hyperparameter pelatihan

• Fine-tuning YOLO dengan dataset masker

• Training menggunakan GPU (jika ada)

• Monitoring dengan TensorBoard

Sesi 6: Evaluasi dan Validasi Model

• Performa model: mAP, precision, recall, F1 score

• Visualisasi hasil deteksi pada dataset validasi

• Analisis false positive dan false negative

• Strategi peningkatan akurasi

Sesi 7: Implementasi Deteksi Realtime dari Kamera

• Integrasi YOLO dengan OpenCV dan Webcam

• Penanganan multiple faces dan multiple masks

• Optimasi performa real-time (frame skipping, model quantization)

Sesi 8: Deployment dan Aplikasi Sederhana

• Export model menjadi .pt atau .onnx

• Membuat aplikasi GUI sederhana dengan Tkinter/Streamlit

• Demo aplikasi deteksi masker wajah real-time

Sesi 9: Studi Kasus di Area Publik

• Penerapan sistem pada CCTV di tempat umum (simulasi)

• Tantangan: occlusion, jarak jauh, lighting

• Penyesuaian model pada lingkungan nyata

Sesi 10: Evaluasi Proyek dan Presentasi

• Review proyek akhir peserta (jika pelatihan kelompok)

• Diskusi kendala dan solusi

• Presentasi hasil: performa model, aplikasi nyata

• Rekomendasi pengembangan lanjutan (YOLOv8, edge computing)