<![CDATA[AbstractThe COVID-19 pandemic has had a major impact on the transportation sector, especially urbantransportation in the form of regular taxis and online taxis. To overcome this, several studies have statedthat the use of masks is quite effective in preventing the spread of the virus. In this article, to detect theuse of masks by drivers and vehicle passengers, it will be done automatically by implementing theConvolutional Neural Network (CNN) or Convnet. There are 3 types of optimizers analyzed, namely SGD,RMSprop, and ADAM. Where the three optimizers will be compared to determine the optimal level ofaccuracy. The results of CNN training show that the accuracy values for CNN with the SGD, RMSprop,and ADAM optimizer are as follows: 0.7577, 0.9577, and 0.9654. This value indicates that the SGDoptimizer has the lowest accuracy, while the ADAM optimizer has the highest accuracy.Keywords : Convolutional Neural Network, Optimizer, face mask detection, vehicle driver.Pandemi COVID-19 telah memberikan dampak yang besar pada sektor transportasi, khususnyatransportasi di perkotaan berupa taksi reguler maupun taksi online. Untuk mengatasi hal tersebut, dalambeberapa studi menyebutkan bahwa pemakaian masker cukup efektif untuk mencegah penyebaran virus.Dalam artikel ini, untuk mendeteksi pemakaian masker oleh pengemudi maupun penumpang kendaraanakan dilakukan secara otomatis dengan menerapkan Convolutional Neural Network (CNN) atau Convnet.Ada 3 macam optimizer yang dianalisa, yaitu SGD, RMSprop, dan ADAM. Hasil training CNNmenunjukkan bahwa pemilihan jenis optimizer akan memberikan tingkat akurasi dan losses yangberbeda-beda. Nilai akurasi untuk CNN dengan optimizer SGD, RMSprop, dan ADAM secara berurutanadalah sebagai berikut: 0.7577, 0.9577, dan 0.9654. Nilai tersebut menunjukkan bahwa optimizer SGDmemiliki akurasi terendah, sementara optimizer ADAM memiliki akurasi tertinggi.Kata Kunci : Convolutional Neural Network, Optimizer, Deteksi Pemakaian Masker, PengemudiKendaraan.]]>
Copyrights © 2020
