Analisis Deteksi Masker Wajah menggunakan YOLOv8 dengan Dataset Facemask

Penelitian ini menyajikan analisis mendalam tentang deteksi dan klasifikasi masker wajah menggunakan YOLOv8 dan akan diuji coba pada dataset Facemask yang didalamya terdiri dari gambar-gambar yang dibagi dalam tahap pelatihan, pengujian, dan validasi dan melalui dua pendekatan, yaitu augmentasi dan non augmentasi. Penelitian ini menganalisis penilaian kinerja YOLOv8 dan menyoroti kemampuannya mengenali individu yang memakai masker wajah dan yang tidak memakai masker wajah. Tujuan utama dari penelitian ini adalah untuk menganalisis performa YOLOv8 dalam mendeteksi dan mengklasifikasikan penggunaan masker wajah. Hasil evaluasi berdasarkan tiga metrik utama yaitu Mean Average Precision (mAP), Precision, dan Recall. Hasil pada pendekatan non augmentasi model menunjukan Mean Average Precision (mAP) 93,1%, Precison 79,7% , dan Recall 95,9%. Hasil pada pendekatan augmentasi menunjukan menunjukan Mean Average Precision (mAP) 91,9%, Precison 76,6% , dan Recall 94,7%.

Keywords: Deteksi masker wajah, klasifikasi, YOLOv8, dataset Facemask, analisis

Authors who publish in this journal agree to the following rules:

1. Authors retain copyright and give the journal the right of first publication, with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2. Authors may enter separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., posting it to an institutional repository or publishing it in a book), with attribution to the journal's initial publication.
3. Authors are permitted and recommended to post their work online (such as in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges as well as earlier and greater citation of published work.