Jasa Skripsi Tesis Disertasi OpenCV Python | Implementasi OpenCV untuk Sistem Pengenalan Wajah Real-Time Berbasis Deep Learning

Berikut adalah silabus 20 sesi (masing-masing 1,5 jam) untuk disertasi berjudul:

Pengembangan Aplikasi Deteksi Masker Wajah di Tempat Umum Menggunakan OpenCV dan Python

Tahap 1: Pengantar & Dasar-Dasar (Sesi 1–5)

Sesi 1:

• Pengantar Computer Vision dan OpenCV

• Studi literatur: deteksi wajah dan penggunaan masker

• Instalasi tools: Python, OpenCV, Jupyter Notebook/IDE

Sesi 2:

• Dasar-dasar pengolahan citra digital (grayscale, threshold, edge detection)

• Praktik dengan OpenCV: pembacaan dan praproses gambar

Sesi 3:

• Pengenalan deteksi objek dengan Haar Cascade dan DNN

• Implementasi deteksi wajah dengan Haar Cascade

Sesi 4:

• Dataset analisis dan anotasi (Face Mask Dataset dari Kaggle/Roboflow)

• Teknik augmentasi data untuk pelatihan model

Sesi 5:

• Review CNN dan arsitektur dasar model klasifikasi gambar

• Pengenalan framework model (Keras, TensorFlow atau PyTorch)

Tahap 2: Pembangunan Sistem Deteksi Masker (Sesi 6–12)

Sesi 6:

• Penerapan CNN sederhana untuk klasifikasi masker vs non-masker

• Evaluasi performa awal model

Sesi 7:

• Fine-tuning model menggunakan pretrained CNN (MobileNetV2)

• Validasi dan akurasi

Sesi 8:

• Integrasi model deteksi wajah + klasifikasi masker

• Uji coba pada gambar statis

Sesi 9:

• Implementasi deteksi masker dari input video (kamera/webcam)

• Overlay informasi hasil klasifikasi pada video stream

Sesi 10:

• Optimalisasi performa sistem deteksi real-time (FPS, akurasi)

• Penanganan kesalahan deteksi dan false positive

Sesi 11:

• Logging data deteksi (jumlah orang, status masker)

• Menyimpan hasil ke dalam file log/CSV

Sesi 12:

• Tambahan fitur notifikasi/audio warning saat masker tidak dikenakan

• Review fitur-fitur tambahan

Tahap 3: Uji Validasi Sistem dan Integrasi (Sesi 13–16)

Sesi 13:

• Uji sistem di berbagai kondisi pencahayaan dan sudut wajah

• Analisis error dan batasan sistem

Sesi 14:

• Pengujian di lingkungan nyata (simulasi keramaian/tempat umum)

• Perbandingan model CNN vs MobileNetV2

Sesi 15:

• Pengumpulan data hasil deteksi (statistik penggunaan masker)

• Visualisasi data dengan Matplotlib atau Pandas

Sesi 16:

• Integrasi antarmuka sederhana dengan Tkinter/Flask

• Tampilan UI input kamera + hasil deteksi

Tahap 4: Dokumentasi & Penyusunan Disertasi (Sesi 17–20)

Sesi 17:

• Penyusunan latar belakang, rumusan masalah, dan tujuan penelitian

• Review pustaka dan teori pendukung

Sesi 18:

• Penulisan metodologi, eksperimen, dan perancangan sistem

• Dokumentasi kode dan skema sistem

Sesi 19:

• Penulisan hasil dan pembahasan (tabel, grafik, analisis data)

• Penulisan kesimpulan dan saran pengembangan ke depan

Sesi 20:

• Revisi, konsultasi akhir, dan persiapan presentasi sidang

• Simulasi presentasi + tanya jawab