<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="100666">
 <titleInfo>
  <title>STUDI PERBANDINGAN METODE DEEP LEARNING DALAM PENDETEKSIAN MASKER BERBASIS PYTORCH</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>M. VICKYA RAMADHAN</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Penyebaran Corona Virus Disease 19 (COVID-19) di negara Indonesia masih tergolong tinggi serta belum memperlihatkan adanya penurunan yang signifikan. Hal ini terjadi karena kurangnya pengawasan terhadap pelaksanaan protokol kesehatan seperti menggunakan masker pada saat melakukan kegiatan sehari-hari. Visi komputer merupakan salah satu metode yang digunakan dalam melakukan pengawasan terhadap pelaku pelanggar protokol kesehatan karena memiliki kemampuan layaknya penglihatan mata manusia, sehingga banyak peneliti yang sudah membangun berbagai macam arsitektur untuk pendeteksian masker menggunakan metode visi komputer. Berdasarkan hal tersebut maka dilakukan penelitian untuk melakukan evaluasi terhadap arsitektur yang sudah dibangun oleh peneliti sebelumnya dalam pendeteksian masker. Hasil penelitian yang telah dilakukan menunjukkan bahwa arsitektur EfficientNetB4 memliki akurasi yang lebih baik yaitu sebesar 95.77% dibanding dengan arsitektur YOLOv4 sebesar 93.40%, InceptionV3 sebesar 87.30%, YOLOv3 sebesar 86.35%, ResNet50 sebesar 84.41%, VGG11 sebesar 84.38%, dan YOLOv2 sebesar 78.75%.&#13;
Kata kunci: Deteksi Masker, Visi Komputer, Convolutional Neural Network.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>100666</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-06-17 11:11:19</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-06-17 11:48:51</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>