Kursus Skripsi Tesis Disertasi YOLO | Sistem Deteksi Masker Wajah di Area Publik Menggunakan YOLO dan Deep Learning pada Kondisi Pandemi

Silabus Sistem Deteksi Masker Wajah di Area Publik Menggunakan YOLO dan Deep Learning pada Kondisi Pandemi

1. Pengantar dan Dasar-Dasar Deteksi Objek (2 Sesi)

• Sesi 1: Pendahuluan tentang deteksi objek dan penerapan teknologi dalam kondisi pandemi.
• Sesi 2: Pengenalan deep learning, YOLO (You Only Look Once), dan framework yang digunakan (TensorFlow/PyTorch).

2. Persiapan Lingkungan Pengembangan (3 Sesi)

• Sesi 3: Instalasi dan konfigurasi perangkat lunak: Python, OpenCV, TensorFlow/PyTorch, dan Anaconda.
• Sesi 4: Pengaturan GPU untuk akselerasi deep learning (jika ada).
• Sesi 5: Pengantar Jupyter Notebook dan Google Colab untuk pengembangan dan eksperimen.

3. Pengenalan YOLO dan Arsitektur Model (3 Sesi)

• Sesi 6: Pengenalan YOLO dan arsitekturnya (YOLOv3, YOLOv4, dan YOLOv5).
• Sesi 7: Pemahaman bounding box, confidence score, dan class probability dalam YOLO.
• Sesi 8: Implementasi dasar YOLO untuk deteksi objek pada gambar statis.

4. Dataset untuk Deteksi Masker Wajah (5 Sesi)

• Sesi 9: Memahami jenis dataset yang diperlukan: face mask, no mask, dan incorrect mask.
• Sesi 10: Sumber dataset: Kaggle, COCO dataset, dan dataset custom.
• Sesi 11: Teknik labeling data menggunakan LabelImg atau tool serupa.
• Sesi 12: Augmentasi data untuk meningkatkan performa model.
• Sesi 13: Pembagian data menjadi training, validation, dan test set.

5. Training Model YOLO untuk Deteksi Masker (7 Sesi)

• Sesi 14: Persiapan file konfigurasi YOLO (cfg, names, dan data files).
• Sesi 15: Pelatihan model YOLO menggunakan dataset yang telah disiapkan.
• Sesi 16: Penyesuaian hyperparameter: batch size, learning rate, dan epoch.
• Sesi 17: Menggunakan transfer learning untuk pelatihan yang lebih cepat.
• Sesi 18: Memantau proses training menggunakan TensorBoard atau tools lainnya.
• Sesi 19: Evaluasi performa model menggunakan metrics seperti precision, recall, dan mAP (mean Average Precision).
• Sesi 20: Fine-tuning model untuk meningkatkan performa.

6. Implementasi Deteksi Masker Wajah pada Video (5 Sesi)

• Sesi 21: Integrasi model YOLO untuk deteksi real-time pada video.
• Sesi 22: Penggunaan OpenCV untuk pemrosesan video dan deteksi wajah.
• Sesi 23: Optimalisasi performa model untuk real-time detection.
• Sesi 24: Penanganan skenario dunia nyata: deteksi pada berbagai sudut dan kondisi cahaya.
• Sesi 25: Penggunaan Non-Max Suppression (NMS) untuk meningkatkan hasil deteksi.

7. Deteksi Multiple Objects dan Implementasi Logika Sistem (4 Sesi)

• Sesi 26: Implementasi deteksi multiple objects (mask, no mask, incorrect mask).
• Sesi 27: Menggabungkan hasil deteksi dengan logika sistem untuk mengambil tindakan (contoh: alarm atau notifikasi).
• Sesi 28: Implementasi sistem peringatan atau notifikasi otomatis.
• Sesi 29: Penggunaan heatmap dan visualisasi untuk analisis lebih lanjut.

8. Evaluasi Sistem dan Pengujian di Lapangan (4 Sesi)

• Sesi 30: Uji coba sistem di lingkungan indoor dan outdoor.
• Sesi 31: Evaluasi performa sistem pada berbagai kondisi (keramaian, pergerakan, dan sebagainya).
• Sesi 32: Pengumpulan dan analisis hasil deteksi untuk pengembangan lebih lanjut.
• Sesi 33: Perbaikan sistem berdasarkan hasil uji coba lapangan.

9. Pengembangan Sistem Tambahan (3 Sesi)

• Sesi 34: Integrasi sistem dengan database untuk penyimpanan hasil deteksi.
• Sesi 35: Penggunaan dashboard untuk monitoring hasil deteksi secara real-time.
• Sesi 36: Integrasi sistem dengan perangkat IoT untuk tindakan otomatis (misalnya: pembatasan akses).

10. Deployment Sistem (3 Sesi)

• Sesi 37: Pengenalan platform deployment: Raspberry Pi, Jetson Nano, atau server cloud.
• Sesi 38: Deployment model ke perangkat edge untuk deteksi lokal.
• Sesi 39: Implementasi deployment cloud untuk skala besar.

11. Presentasi dan Dokumentasi Proyek (1 Sesi)

• Sesi 40: Penyusunan laporan akhir, dokumentasi teknis, dan presentasi hasil proyek.

Silabus ini dirancang untuk memberikan pemahaman yang mendalam tentang penerapan YOLO dan deep learning untuk deteksi masker wajah di area publik selama pandemi.