Saat ini, sistem deteksi penggunaan masker digunakan secara luas di semua tempat yang memiliki kemungkinan menjadi tempat berkerumun, dan ada potensi manfaat dan bahaya yang perlu dipertimbangkan. Namun, sudah ada beberapa research yang melakukan pengujian pendeteksian masker. Dari beberapa research ini didapatkan persentase akurasi yang beragam diantaranya 80 hingga 90 persen dan pengujian ini banyak dilakukan hanya pada pengawasan lewat kamera tanpa adanya embedded sistem. Oleh karena itu, dalam projek akhir yang saya kerjakan ini membuat sebuah pengawasan pada tempat tempat yang berpotensi menimbulkan keramaian dengan menerapkannya dengan 2 unit embedded sistem. Melalui proyek akhir ini akan dirancang sebuah alat monitoring yang dilengkapi oleh Gimbal 2 axis guna merubah posisi sorot kamera ke posisi yang berbeda-beda. Dengan controller Raspberry Pi berbasis metode CNN (Convolutional Neural Network), alat ini akan dapat membedakan sesorang yang tidak menggunakan masker pada suatu tempat ramai. Setelah melakukan pembelajaran dan training data pada metode CNN, didapatkan beberapa model dan beberapa tingkat akurasi yang bermacam macam. Semakin banyak Epoch yang dilakukan maka akan semakin tinggi akurasi dari model yang di dapatkan. Dari percobaan yang telah dilakukan, diperoleh model dengan tingkat akurasi diatas 99,6% dan kecepatan pendeteksian kurang dari satu detik serta Frame Per Second sebesar 0.92, maka dengan model ini akan dilakukan percobaan pemindahan atau scanning pengenalan wajah dengan masker atau tidak.