Optimasi Pengolahan Data Facemask di Teachable Machine melalui Analisis Nilai Epoch dan Learning Rate

Abstract

Abstract:  This study discusses the optimization of facemask data processing using Teachable Machine through the analysis of epoch and learning rate values. The purpose of this research is to improve the accuracy of recognizing the usage of masks on facial images using transfer learning techniques on Teachable Machine. The image data used in this study is the Face Mask Detection dataset obtained from Kaggle, which has been labeled with mask usage and non-usage categories. In the data processing stage, image augmentation techniques were employed to expand the sample size and avoid overfitting. Furthermore, model training was conducted with various values of epoch and learning rate to determine the optimal parameter combination for improving recognition accuracy. The results show that using 150 epochs and a learning rate of 0.001, a recognition accuracy of 99% was achieved on the dataset used. It is expected that the results of this study can contribute to the development of automatic mask usage detection applications.

Keywords: Teachable Machine, Machine Learning, Image Classification

Abstrak: Penelitian ini membahas tentang optimasi pengolahan data facemask menggunakan Teachable Machine melalui analisis nilai epoch dan learning rate. Tujuan penelitian ini adalah untuk meningkatkan akurasi pengenalan penggunaan masker pada gambar wajah menggunakan teknik transfer learning pada Teachable Machine. Data gambar yang digunakan dalam penelitian ini adalah dataset Face Mask Detection yang diperoleh dari sumber internet yaitu Kaggle dan telah dilabeli dengan kategori penggunaan masker dan tidak. Pada tahap pengolahan data, dilakukan teknik augmentasi gambar untuk memperluas jumlah sampel data dan menghindari overfitting. Selanjutnya, dilakukan pelatihan model dengan variasi nilai epoch dan learning rate untuk menentukan kombinasi parameter yang optimal untuk meningkatkan akurasi pengenalan. Hasil penelitian menunjukkan bahwa dengan menggunakan epoch sebanyak 150 dan learning rate sebesar 0.001, diperoleh akurasi pengenalan sekitar 96-100% pada dataset yang digunakan. Diharapkan hasil penelitian ini dapat memberikan kontribusi dalam pengembangan aplikasi deteksi penggunaan masker secara otomatis.