Pub Date : 2023-05-15DOI: 10.22146/jnteti.v12i2.6502
Qorry Aina Fitroh, Shofwatul 'Uyun
Kanker kulit benign (jinak) dan malignant (ganas) merupakan jenis kanker kulit yang sering dijumpai. Tanda-tanda kanker kulit penting untuk diketahui dengan diagnosis dini agar dapat diberikan penanganan yang tepat, sehingga dapat mengurangi tingkat kematian penderitanya. Citra dermoskopi menjadi salah satu media diagnosis yang telah banyak dikembangkan oleh peneliti. Analisis citra dermoskopi memberikan hasil lebih optimal dalam diagnosis berbasis komputasi dibandingkan deteksi visual. Model yang berhasil diterapkan dalam diagnosis berbasis komputasi tersebut di antaranya deep learning dan transfer learning, tetapi masih diperlukan optimalisasi. Pada penelitian ini, dilakukan klasifikasi citra dermoskopi kanker kulit ke dalam dua kelas (benign dan malignant) dengan memanfaatkan transfer learning. Untuk meningkatkan akurasi penelitian yang telah dilakukan sebelumnya pada dataset publik dari Kaggle dengan jumlah 3.297 citra, penelitian ini menggunakan 2.000 citra. Penelitian ini membandingkan dua pre-trained model, yaitu VGG-16 dan residual network (ResNet)-50 yang digunakan sebagai feature extractor. Selanjutnya dilakukan fine-tuning dengan menambahkan flatten layer, dua dense layer dengan fungsi aktivasi ReLU, dan satu dense layer dengan fungsi aktivasi Softmax untuk melakukan klasifikasi ke dalam dua kelas. Hyper parameter tuning pada optimizer, batch size, learning rate, dan epoch dilakukan untuk mendapatkan kombinasi parameter dengan kinerja terbaik pada masing-masing model. Sebelum dilakukan hyper parameter tuning, model diuji dengan resize citra masukan menggunakan ukuran yang berbeda-beda. Hasil pengujian model menggunakan citra uji pada model VGG-16 memberikan kinerja terbaiknya pada ukuran citra 128 × 128 piksel dengan kombinasi parameter Adam sebagai optimizer, batch size 64, learning rate 0,001, dan epoch 10 dengan nilai akurasi 91% dan loss 0,2712. Model ResNet-50 memberikan akurasi yang lebih baik, yaitu 94%, dan loss 0,2198 dengan parameter optimizer RMSprop, batch size 64, learning rate 0,0001, dan epoch 100. Hasil pengujian ini menunjukkan bahwa metode yang diusulkan memberikan akurasi yang baik dan dapat membantu dermatologi dalam deteksi dini kanker kulit.
{"title":"Deep Transfer Learning untuk Meningkatkan Akurasi Klasifikasi pada Citra Dermoskopi Kanker Kulit","authors":"Qorry Aina Fitroh, Shofwatul 'Uyun","doi":"10.22146/jnteti.v12i2.6502","DOIUrl":"https://doi.org/10.22146/jnteti.v12i2.6502","url":null,"abstract":"Kanker kulit benign (jinak) dan malignant (ganas) merupakan jenis kanker kulit yang sering dijumpai. Tanda-tanda kanker kulit penting untuk diketahui dengan diagnosis dini agar dapat diberikan penanganan yang tepat, sehingga dapat mengurangi tingkat kematian penderitanya. Citra dermoskopi menjadi salah satu media diagnosis yang telah banyak dikembangkan oleh peneliti. Analisis citra dermoskopi memberikan hasil lebih optimal dalam diagnosis berbasis komputasi dibandingkan deteksi visual. Model yang berhasil diterapkan dalam diagnosis berbasis komputasi tersebut di antaranya deep learning dan transfer learning, tetapi masih diperlukan optimalisasi. Pada penelitian ini, dilakukan klasifikasi citra dermoskopi kanker kulit ke dalam dua kelas (benign dan malignant) dengan memanfaatkan transfer learning. Untuk meningkatkan akurasi penelitian yang telah dilakukan sebelumnya pada dataset publik dari Kaggle dengan jumlah 3.297 citra, penelitian ini menggunakan 2.000 citra. Penelitian ini membandingkan dua pre-trained model, yaitu VGG-16 dan residual network (ResNet)-50 yang digunakan sebagai feature extractor. Selanjutnya dilakukan fine-tuning dengan menambahkan flatten layer, dua dense layer dengan fungsi aktivasi ReLU, dan satu dense layer dengan fungsi aktivasi Softmax untuk melakukan klasifikasi ke dalam dua kelas. Hyper parameter tuning pada optimizer, batch size, learning rate, dan epoch dilakukan untuk mendapatkan kombinasi parameter dengan kinerja terbaik pada masing-masing model. Sebelum dilakukan hyper parameter tuning, model diuji dengan resize citra masukan menggunakan ukuran yang berbeda-beda. Hasil pengujian model menggunakan citra uji pada model VGG-16 memberikan kinerja terbaiknya pada ukuran citra 128 × 128 piksel dengan kombinasi parameter Adam sebagai optimizer, batch size 64, learning rate 0,001, dan epoch 10 dengan nilai akurasi 91% dan loss 0,2712. Model ResNet-50 memberikan akurasi yang lebih baik, yaitu 94%, dan loss 0,2198 dengan parameter optimizer RMSprop, batch size 64, learning rate 0,0001, dan epoch 100. Hasil pengujian ini menunjukkan bahwa metode yang diusulkan memberikan akurasi yang baik dan dapat membantu dermatologi dalam deteksi dini kanker kulit.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"54 9 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-05-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"77832412","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Siklotron adalah alat akselerator berkas partikel yang digunakan untuk berbagai aplikasi, salah satunya yaitu sebagai penghasil radioisotop medis. Pada saat ini, Pusat Riset Teknologi Akselerator, Organisasi Riset Tenaga Nuklir - Badan Riset dan Inovasi Nasional (PRTA ORTN-BRIN) melakukan penelitian dan pengembangan (litbang) siklotron DECY-13 yang telah mencapai tahap pengujian komponen-komponen utamanya. Komponen utama siklotron DECY-13 terdiri atas sistem magnet, sistem generator frekuensi radio (radio frequency, RF), sistem sumber ion, sistem akselerator, sistem pendingin, sistem vakum, dan sistem deteksi berkas. Dalam rangka proses commissioning, perlu dilakukan penyusunan desain integrasi sistem instrumentasi dan kendali (SIK) yang menyatukan operasi seluruh komponen utama siklotron DECY-13 untuk menghasilkan berkas partikel sesuai dengan yang diharapkan. Proses integrasi dilakukan dalam dua tahap. Tahap pertama berupa penentuan prosedur operasi pada saat commissioning serta identifikasi parameter operasi, sedangkan tahap kedua berupa perancangan desain integrasi SIK. Proses identifikasi parameter dan penentuan prosedur operasi dilakukan dengan mempelajari data-data pengujian dan standar operasi masing-masing komponen, sehingga diperoleh parameter-parameter penting dalam operasi. Tahap selanjutnya adalah melakukan pengembangan arsitektur SIK dengan cara mengintegrasikan sistem operasi pada komponen utama menggunakan metode distributed control system (DCS). Metode ini dipilih karena fleksibilitasnya untuk pengembangan jangka panjang dan juga kemudahan dalam perawatan sistem di masa depan. Konfigurasi DCS yang dibuat terdiri atas tiga layer, yaitu operator layer, main control layer, dan device layer. Komunikasi antara device layer dengan main control layer dilakukan menggunakan komunikasi serial RS-232, sedangkan komunikasi antara main control layer dengan operator layer menggunakan Eternet. Komunikasi RS-232 antara device layer dengan main control layer digunakan untuk mengatur proses akuisisi data, data logging, dan kendali operasi. Pada operator layer terdapat host-PC yang berfungsi untuk menampilkan data sekaligus melakukan data logging. Desain ini diharapkan dapat menjadi panduan dalam implementasi penyempurnaan SIK, sehingga kemudahan dalam proses commissioning dapat terwujud.
{"title":"Desain Integrasi Sistem Instrumentasi dan Kendali untuk Commissioning Siklotron DECY-13","authors":"Frida Iswinning Diah, Fajar Sidik Permana, Emy Mulyani","doi":"10.22146/jnteti.v12i2.5509","DOIUrl":"https://doi.org/10.22146/jnteti.v12i2.5509","url":null,"abstract":"Siklotron adalah alat akselerator berkas partikel yang digunakan untuk berbagai aplikasi, salah satunya yaitu sebagai penghasil radioisotop medis. Pada saat ini, Pusat Riset Teknologi Akselerator, Organisasi Riset Tenaga Nuklir - Badan Riset dan Inovasi Nasional (PRTA ORTN-BRIN) melakukan penelitian dan pengembangan (litbang) siklotron DECY-13 yang telah mencapai tahap pengujian komponen-komponen utamanya. Komponen utama siklotron DECY-13 terdiri atas sistem magnet, sistem generator frekuensi radio (radio frequency, RF), sistem sumber ion, sistem akselerator, sistem pendingin, sistem vakum, dan sistem deteksi berkas. Dalam rangka proses commissioning, perlu dilakukan penyusunan desain integrasi sistem instrumentasi dan kendali (SIK) yang menyatukan operasi seluruh komponen utama siklotron DECY-13 untuk menghasilkan berkas partikel sesuai dengan yang diharapkan. Proses integrasi dilakukan dalam dua tahap. Tahap pertama berupa penentuan prosedur operasi pada saat commissioning serta identifikasi parameter operasi, sedangkan tahap kedua berupa perancangan desain integrasi SIK. Proses identifikasi parameter dan penentuan prosedur operasi dilakukan dengan mempelajari data-data pengujian dan standar operasi masing-masing komponen, sehingga diperoleh parameter-parameter penting dalam operasi. Tahap selanjutnya adalah melakukan pengembangan arsitektur SIK dengan cara mengintegrasikan sistem operasi pada komponen utama menggunakan metode distributed control system (DCS). Metode ini dipilih karena fleksibilitasnya untuk pengembangan jangka panjang dan juga kemudahan dalam perawatan sistem di masa depan. Konfigurasi DCS yang dibuat terdiri atas tiga layer, yaitu operator layer, main control layer, dan device layer. Komunikasi antara device layer dengan main control layer dilakukan menggunakan komunikasi serial RS-232, sedangkan komunikasi antara main control layer dengan operator layer menggunakan Eternet. Komunikasi RS-232 antara device layer dengan main control layer digunakan untuk mengatur proses akuisisi data, data logging, dan kendali operasi. Pada operator layer terdapat host-PC yang berfungsi untuk menampilkan data sekaligus melakukan data logging. Desain ini diharapkan dapat menjadi panduan dalam implementasi penyempurnaan SIK, sehingga kemudahan dalam proses commissioning dapat terwujud.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-05-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"74214868","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-02-24DOI: 10.22146/jnteti.v12i1.5281
Muhammad Yasirroni, Lesnanto Multa Putranto, Sarjiya, Husni Rois Ali, Indra Triwibowo, Qiangqiang Xie
This paper proposes a stochastic unit commitment (SUC) approach to solve a day-ahead unit commitment (UC) problem in a system with high uncertainty net load which is caused by photovoltaic (PV) power plants. In contrast with robust unit commitment (RUC) which only considers the worst-case scenario, SUC considers every possible scenario with its probability. Multiple possible PV curves were obtained using k-means clustering on historical data. The proportion of cluster members was used as a weight factor representing the occurrence probability of PV curves. The test was separated into two-step tests, namely day-ahead and real-time markets, using IEEE 10 generating unit system and solved using CPLEX. The results showed that in a day-ahead UC, SUC ($539,896) had lower cost than RUC ($548,005). However, when the total energy generated was considered, the SUC (20.78 $/MWh) cost higher compared to RUC (20.75 $/MWh). It is because the solution proposed by SUC is as robust as the RUC, but the generation cost formulation also considers over-commitment. Thus, SUC produced a fairer price for the independent power producer and electric utility in the day-ahead calculation. The results also showed that in the test environment of the real-time market, SUC was able to produce a robust solution without going into over-commitment. It is clearly shown in a 30 units system test with 10 centroids, in which SUC had a cheaper solution (20.7253 $/MWh) compared to RUC (20.7285 $/MWh), without violating power balance or going to load shedding.
{"title":"Stochastic Unit Commitment in Various System Sizes under High Uncertainty Photovoltaic Forecast","authors":"Muhammad Yasirroni, Lesnanto Multa Putranto, Sarjiya, Husni Rois Ali, Indra Triwibowo, Qiangqiang Xie","doi":"10.22146/jnteti.v12i1.5281","DOIUrl":"https://doi.org/10.22146/jnteti.v12i1.5281","url":null,"abstract":"This paper proposes a stochastic unit commitment (SUC) approach to solve a day-ahead unit commitment (UC) problem in a system with high uncertainty net load which is caused by photovoltaic (PV) power plants. In contrast with robust unit commitment (RUC) which only considers the worst-case scenario, SUC considers every possible scenario with its probability. Multiple possible PV curves were obtained using k-means clustering on historical data. The proportion of cluster members was used as a weight factor representing the occurrence probability of PV curves. The test was separated into two-step tests, namely day-ahead and real-time markets, using IEEE 10 generating unit system and solved using CPLEX. The results showed that in a day-ahead UC, SUC ($539,896) had lower cost than RUC ($548,005). However, when the total energy generated was considered, the SUC (20.78 $/MWh) cost higher compared to RUC (20.75 $/MWh). It is because the solution proposed by SUC is as robust as the RUC, but the generation cost formulation also considers over-commitment. Thus, SUC produced a fairer price for the independent power producer and electric utility in the day-ahead calculation. The results also showed that in the test environment of the real-time market, SUC was able to produce a robust solution without going into over-commitment. It is clearly shown in a 30 units system test with 10 centroids, in which SUC had a cheaper solution (20.7253 $/MWh) compared to RUC (20.7285 $/MWh), without violating power balance or going to load shedding.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"132 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-02-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"77815538","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Perkembangan zaman modern di sektor teknologi robotika dan mekanisasi telah meningkat sangat signifikan dalam beberapa dekade ini karena efisiensinya yang tinggi dari aspek waktu dan tenaga. Pada sistem mobilisasi barang untuk pemanfaatan perusahaan, khususnya bagian industri dan bagian pergudangan, salah satu robot yang digunakan adalah kendaraan berpemandu otomatis pengangkut barang atau yang biasa disebut sebagai automatic guided vehicle (AGV). Salah satu metode navigasi lama di AGV adalah penggunaan sebuah sensor untuk mengikuti pola garis pada objek yang terdeteksi, yaitu garis pada lantai. Metode tersebut kurang efektif karena lambat laun objek pola garis di lantai tersebut akan menghilang akibat efek dari gaya gesek roda AGV, sehingga tidak lagi dapat terdeteksi oleh sensor kamera. Oleh sebab itu, diperlukan sebuah peningkatan metode navigasi AGV agar dapat menjadi sebuah inovasi yang berkelanjutan. Metode navigasi ini menggunakan empat objek gambar yang diposisikan pada area yang dilintasi robot AGV dan kamera sebagai sensor yang menghadap ke depan, sehingga AGV dapat dengan presisi mendeteksi pola objek gambar menggunakan bantuan computer vision menggunakan library perangkat lunak OpenCV. Selanjutnya, pola objek gambar yang sudah terdeteksi diproses oleh sebuah program yang dirancang pada perangkat komputer mini Raspberry Pi 4 Model B. Hasil pengujian membuktikan bahwa metode ini mampu mendeteksi objek gambar yang berada di area yang terjangkau kamera dan berhasil menampilkan keluaran dari objek gambar tersebut. Sistem berhasil mengenali objek secara cukup akurat, dengan parameter jarak 10–95 cm dan melalui beberapa percobaan. Analisis kecepatan putaran roda depan dan belakang AGV dilakukan menggunakan osiloskop dan takometer sebagai alat pengukur kecepatan atau rotasi roda.
{"title":"Pengenalan Tanda Arah untuk Navigasi Automatic Guided Vehicle berbasis Raspberry Pi","authors":"Florentinus Budi Setiawan, Rachmat Hidayat, Leonardus Heru Pratomo, Slamet Riyadi","doi":"10.22146/jnteti.v12i1.4959","DOIUrl":"https://doi.org/10.22146/jnteti.v12i1.4959","url":null,"abstract":"Perkembangan zaman modern di sektor teknologi robotika dan mekanisasi telah meningkat sangat signifikan dalam beberapa dekade ini karena efisiensinya yang tinggi dari aspek waktu dan tenaga. Pada sistem mobilisasi barang untuk pemanfaatan perusahaan, khususnya bagian industri dan bagian pergudangan, salah satu robot yang digunakan adalah kendaraan berpemandu otomatis pengangkut barang atau yang biasa disebut sebagai automatic guided vehicle (AGV). Salah satu metode navigasi lama di AGV adalah penggunaan sebuah sensor untuk mengikuti pola garis pada objek yang terdeteksi, yaitu garis pada lantai. Metode tersebut kurang efektif karena lambat laun objek pola garis di lantai tersebut akan menghilang akibat efek dari gaya gesek roda AGV, sehingga tidak lagi dapat terdeteksi oleh sensor kamera. Oleh sebab itu, diperlukan sebuah peningkatan metode navigasi AGV agar dapat menjadi sebuah inovasi yang berkelanjutan. Metode navigasi ini menggunakan empat objek gambar yang diposisikan pada area yang dilintasi robot AGV dan kamera sebagai sensor yang menghadap ke depan, sehingga AGV dapat dengan presisi mendeteksi pola objek gambar menggunakan bantuan computer vision menggunakan library perangkat lunak OpenCV. Selanjutnya, pola objek gambar yang sudah terdeteksi diproses oleh sebuah program yang dirancang pada perangkat komputer mini Raspberry Pi 4 Model B. Hasil pengujian membuktikan bahwa metode ini mampu mendeteksi objek gambar yang berada di area yang terjangkau kamera dan berhasil menampilkan keluaran dari objek gambar tersebut. Sistem berhasil mengenali objek secara cukup akurat, dengan parameter jarak 10–95 cm dan melalui beberapa percobaan. Analisis kecepatan putaran roda depan dan belakang AGV dilakukan menggunakan osiloskop dan takometer sebagai alat pengukur kecepatan atau rotasi roda.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"100 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-02-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"73094174","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-02-22DOI: 10.22146/jnteti.v12i1.5674
Clara Maria Livia Suitela, Aripin, Erika Dina Permata, Muzalfa Nakiatun Niza, Naeli Laelal Khiaroh
Fonem merupakan bunyi terkecil dari suatu ucapan yang tidak memiliki pengertian, tetapi memiliki peranan terpenting untuk membentuk suatu arti. Identifikasi fonem dari sebuah video tentang seorang aktor yang sedang mengucapkan kalimat-kalimat berbahasa Indonesia merupakan bagian penting dalam pengembangan aplikasi visual-to-text. Aplikasi ini dapat menerjemahkan gerakan mulut dari sebuah video menjadi rangkaian teks berbahasa Indonesia, sehingga dapat membantu mempermudah komunikasi bagi para penyandang tunarungu. Penelitian ini bertujuan untuk mengoptimasi kinerja proses klasifikasi terhadap data citra sebanyak 32 fonem dari hasil ekstraksi video, sehingga dapat digunakan untuk mendukung proses identifikasi fonem untuk mewujudkan aplikasi visual-to-text dalam bahasa Indonesia. Algoritme klasifikasi yang digunakan dalam penelitian ini adalah backpropagation neural network. Beberapa upaya yang diusulkan untuk mengoptimasi kinerja proses klasifikasi di antaranya adalah dengan menggunakan perbandingan proporsi dataset, estimasi jumlah lapisan tersembunyi, dan reduksi dimensi dataset menggunakan metode principal component analysis untuk mengurangi jumlah data yang dianggap kurang penting tanpa mengurangi tingkat informasinya. Dimensi data sebelum direduksi sebesar 1.280 × 7.100 matriks data dan setelah direduksi menjadi 1.280 × 50 matriks data. Hasil akurasi yang diperoleh pada optimalisasi data menggunakan principal component analysis yaitu sebesar 87,16% dengan proporsi data 8:2 dan digunakan sebanyak 50 data penting dalam proses optimalisasi data menggunakan principal component analysis.
{"title":"Optimasi Klasifikasi Fonem Menggunakan Backpropagation Neural Network dan Principal Component Analysis","authors":"Clara Maria Livia Suitela, Aripin, Erika Dina Permata, Muzalfa Nakiatun Niza, Naeli Laelal Khiaroh","doi":"10.22146/jnteti.v12i1.5674","DOIUrl":"https://doi.org/10.22146/jnteti.v12i1.5674","url":null,"abstract":"Fonem merupakan bunyi terkecil dari suatu ucapan yang tidak memiliki pengertian, tetapi memiliki peranan terpenting untuk membentuk suatu arti. Identifikasi fonem dari sebuah video tentang seorang aktor yang sedang mengucapkan kalimat-kalimat berbahasa Indonesia merupakan bagian penting dalam pengembangan aplikasi visual-to-text. Aplikasi ini dapat menerjemahkan gerakan mulut dari sebuah video menjadi rangkaian teks berbahasa Indonesia, sehingga dapat membantu mempermudah komunikasi bagi para penyandang tunarungu. Penelitian ini bertujuan untuk mengoptimasi kinerja proses klasifikasi terhadap data citra sebanyak 32 fonem dari hasil ekstraksi video, sehingga dapat digunakan untuk mendukung proses identifikasi fonem untuk mewujudkan aplikasi visual-to-text dalam bahasa Indonesia. Algoritme klasifikasi yang digunakan dalam penelitian ini adalah backpropagation neural network. Beberapa upaya yang diusulkan untuk mengoptimasi kinerja proses klasifikasi di antaranya adalah dengan menggunakan perbandingan proporsi dataset, estimasi jumlah lapisan tersembunyi, dan reduksi dimensi dataset menggunakan metode principal component analysis untuk mengurangi jumlah data yang dianggap kurang penting tanpa mengurangi tingkat informasinya. Dimensi data sebelum direduksi sebesar 1.280 × 7.100 matriks data dan setelah direduksi menjadi 1.280 × 50 matriks data. Hasil akurasi yang diperoleh pada optimalisasi data menggunakan principal component analysis yaitu sebesar 87,16% dengan proporsi data 8:2 dan digunakan sebanyak 50 data penting dalam proses optimalisasi data menggunakan principal component analysis.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"116 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-02-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"80859101","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-02-22DOI: 10.22146/jnteti.v12i1.6205
Syukron Abu, Ishaq Alfarozi, A. R. Pratama
Counterfeiting has been one of the crimes of the 21st century. One of the methods to overcome product counterfeiting is a copy detection pattern (CDP) stamped on the product. CDP is a copy-sensitive pattern that leads to quality degradation of the pattern after the print and scan process. The amount of information loss is used to distinguish between original and fake CDPs. This paper proposed a CDP estimation model based on the convolutional neural network (CNN), namely, CDP-CNN. The CDP-CNN addresses the spatial dependency of the image patch. Thus, it should be better than the state-of-the-art model that uses a multi-layer perceptron (MLP) architecture. The proposed model had an estimation bit error rate (BER) of 9.91% on the batch estimation method. The error rate was 9% lower than the previous method that used an autoencoder MLP model. The proposed model also had a lower number of parameters compared to the previous method. The effect of preprocessing, namely the use of an unsharp mask, was tested using a statistical testing method. The effect of preprocessing had no significant difference except in the batch estimation scheme where the unsharp mask filter reduced the error rate by at least 0.5%. In addition, the proposed model was also used for the authentication method. The authentication using the estimation model had a good separation distribution to distinguish the fake and original CDPs. Thus, the CDP can still be used as the authentication method with reliable performance. It helps anti-counterfeiting on product distribution and reduces negative impacts on various sectors of the economy.
{"title":"CNN-Based Model for Copy Detection Pattern Estimation and Authentication","authors":"Syukron Abu, Ishaq Alfarozi, A. R. Pratama","doi":"10.22146/jnteti.v12i1.6205","DOIUrl":"https://doi.org/10.22146/jnteti.v12i1.6205","url":null,"abstract":"Counterfeiting has been one of the crimes of the 21st century. One of the methods to overcome product counterfeiting is a copy detection pattern (CDP) stamped on the product. CDP is a copy-sensitive pattern that leads to quality degradation of the pattern after the print and scan process. The amount of information loss is used to distinguish between original and fake CDPs. This paper proposed a CDP estimation model based on the convolutional neural network (CNN), namely, CDP-CNN. The CDP-CNN addresses the spatial dependency of the image patch. Thus, it should be better than the state-of-the-art model that uses a multi-layer perceptron (MLP) architecture. The proposed model had an estimation bit error rate (BER) of 9.91% on the batch estimation method. The error rate was 9% lower than the previous method that used an autoencoder MLP model. The proposed model also had a lower number of parameters compared to the previous method. The effect of preprocessing, namely the use of an unsharp mask, was tested using a statistical testing method. The effect of preprocessing had no significant difference except in the batch estimation scheme where the unsharp mask filter reduced the error rate by at least 0.5%. In addition, the proposed model was also used for the authentication method. The authentication using the estimation model had a good separation distribution to distinguish the fake and original CDPs. Thus, the CDP can still be used as the authentication method with reliable performance. It helps anti-counterfeiting on product distribution and reduces negative impacts on various sectors of the economy.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"7 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-02-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90689049","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-02-22DOI: 10.22146/jnteti.v12i1.5862
Nur Afiyat, Raizly Helmi Navilla, Mohamad Hariyadi
Salah satu peralatan medis yang sering digunakan di rumah sakit adalah infus. Namun, sampai saat ini sistem monitoring infus pada umumnya masih bersifat manual. Petugas medis harus memperhatikan kondisi alat infus secara kontinu, sehingga membutuhkan tenaga dan waktu yang lebih. Pada penelitian ini, dikembangkan sebuah sistem monitoring cairan infus Ringer Lactate 500 ml untuk pasien berbasis internet of things (IoT) menggunakan protokol komunikasi message queuing telemetry transport (MQTT) dan sistem cloud server IoT menggunakan MQTT Dash. Cairan infus jenis Ringer Lactate 500 ml dipilih karena infus jenis tersebut paling banyak digunakan. Sensor yang digunakan adalah load cell HX711. Sistem yang dikembangkan dalam penelitian ini terdiri atas beberapa perangkat keras dan perangkat lunak utama. Perangkat keras yang pertama ada mikrokontroler NodeMCU ESP8266. Mikrokontroler ini digunakan karena sudah dilengkapi modul ESP8266 yang merupakan modul WiFi, sehingga mendukung penerapan sistem IoT. Kemudian, sensor yang digunakan adalah load cell HX711 untuk mengetahui berat cairan infus. Untuk pengiriman data ke pengguna, digunakan protokol MQTT yang kemudian terhubung dengan aplikasi MQTT Dash sebagai media monitoring bagi petugas medis. Kinerja sistem diamati berdasarkan kinerja sensor load cell HX711. Ditinjau dari pembacaan berat cairan infus, hasil menunjukkan akurasi yang sangat baik, dibuktikan dengan nilai rata-rata persentase error 0,08% sampai dengan 0,64%. Sensor load cell HX711 bekerja dengan baik karena error pembacaan masih dalam batas toleransi error pembacaan sensor load cell, yaitu 5%. Pengujian quality of service (QoS) menunjukkan bahwa rata-rata delay pada semua sistem adalah 0,014 ms sampai dengan 0,023 ms. Nilai tersebut tergolong sangat bagus berdasarkan standar telecommunications and internet protocol harmonization over network (TIPHON). Kemudian, dari hasil pengujian packet loss pada semua sistem diperoleh rata-rata sebesar 0% sampai dengan 0,01%. Nilai tersebut tergolong sangat bagus berdasarkan standar TIPHON.
{"title":"Sistem Monitoring Cairan Infus Berbasis IoT Menggunakan Protokol MQTT","authors":"Nur Afiyat, Raizly Helmi Navilla, Mohamad Hariyadi","doi":"10.22146/jnteti.v12i1.5862","DOIUrl":"https://doi.org/10.22146/jnteti.v12i1.5862","url":null,"abstract":"Salah satu peralatan medis yang sering digunakan di rumah sakit adalah infus. Namun, sampai saat ini sistem monitoring infus pada umumnya masih bersifat manual. Petugas medis harus memperhatikan kondisi alat infus secara kontinu, sehingga membutuhkan tenaga dan waktu yang lebih. Pada penelitian ini, dikembangkan sebuah sistem monitoring cairan infus Ringer Lactate 500 ml untuk pasien berbasis internet of things (IoT) menggunakan protokol komunikasi message queuing telemetry transport (MQTT) dan sistem cloud server IoT menggunakan MQTT Dash. Cairan infus jenis Ringer Lactate 500 ml dipilih karena infus jenis tersebut paling banyak digunakan. Sensor yang digunakan adalah load cell HX711. Sistem yang dikembangkan dalam penelitian ini terdiri atas beberapa perangkat keras dan perangkat lunak utama. Perangkat keras yang pertama ada mikrokontroler NodeMCU ESP8266. Mikrokontroler ini digunakan karena sudah dilengkapi modul ESP8266 yang merupakan modul WiFi, sehingga mendukung penerapan sistem IoT. Kemudian, sensor yang digunakan adalah load cell HX711 untuk mengetahui berat cairan infus. Untuk pengiriman data ke pengguna, digunakan protokol MQTT yang kemudian terhubung dengan aplikasi MQTT Dash sebagai media monitoring bagi petugas medis. Kinerja sistem diamati berdasarkan kinerja sensor load cell HX711. Ditinjau dari pembacaan berat cairan infus, hasil menunjukkan akurasi yang sangat baik, dibuktikan dengan nilai rata-rata persentase error 0,08% sampai dengan 0,64%. Sensor load cell HX711 bekerja dengan baik karena error pembacaan masih dalam batas toleransi error pembacaan sensor load cell, yaitu 5%. Pengujian quality of service (QoS) menunjukkan bahwa rata-rata delay pada semua sistem adalah 0,014 ms sampai dengan 0,023 ms. Nilai tersebut tergolong sangat bagus berdasarkan standar telecommunications and internet protocol harmonization over network (TIPHON). Kemudian, dari hasil pengujian packet loss pada semua sistem diperoleh rata-rata sebesar 0% sampai dengan 0,01%. Nilai tersebut tergolong sangat bagus berdasarkan standar TIPHON.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"6 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-02-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"88917550","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-02-16DOI: 10.22146/jnteti.v12i1.6084
Aripin, Steven Adi Santoso, Hanny Haryanto
Emosi dasar dibagi menjadi enam, yaitu marah, sedih, senang, jijik, kaget, dan takut. Gabungan lebih dari satu emosi dasar dapat menciptakan sebuah emosi baru, yaitu emosi majemuk. Emosi majemuk dapat diimplementasikan untuk chat-bot, penerjemahan bahasa, text summarization, dan sebagainya. Penelitian mengenai klasifikasi emosi berdasarkan teks bahasa Indonesia telah banyak dilakukan dengan menggunakan beberapa model tradisional, seperti multinomial naïve Bayes, SVM, k-nearest neighborhood, dan term frequency–inverse document frequency (TF-IDF). Penelitian tersebut memiliki kelemahan, antara lain kinerja yang kurang optimal karena model hanya dapat mengklasifikasi dari data yang telah dipelajarinya, diperlukan pemrosesan teks terlebih dahulu, dan diperlukannya waktu yang lama dalam proses pelatihan dengan data berukuran besar. Penelitian ini bertujuan untuk mengatasi beberapa kelemahan penelitian sebelumnya dengan menggunakan model cross-lingual language model-robustly optimized bidirectional encoder representations from transformers approach (XML-RoBERTa) untuk mengklasifikasi emosi majemuk berdasarkan semantik atau makna kalimat dan kata. XLM-RoBERTa merupakan sebuah model transformer yang dapat mengetahui sebuah makna kata dari attention mechanism pada kata tersebut dan merupakan sebuah vektor yang merepresentasikan sebuah konteks atau makna kata. Attention mechanism merupakan sebuah representasi kata berbentuk vektor untuk mengetahui penggunaan dan posisi kata pada suatu kalimat dan merupakan cara agar model dapat mengetahui makna dari sebuah kata. Dengan attention mechanism, model dapat melihat pola kalimat dari penggunaan kata dan mengklasifikasikan kalimat tersebut sesuai dengan pola dan urutan kata, sehingga semantik kalimat dapat diketahui. Hasil eksperimen menunjukkan bahwa model yang diusulkan mampu mengklasifikasi teks berbahasa Indonesia ke dalam kelas-kelas emosi dasar dan kombinasinya sebagai dasar pembentukan emosi majemuk dengan akurasi sebesar 95,56%. Nilai akurasi ini merupakan nilai akurasi yang lebih unggul dibandingkan dengan penelitian klasifikasi kelas emosi majemuk dengan menggunakan model tradisional.
{"title":"Mengoptimalkan Akurasi pada Klasifikasi Emosi Majemuk Berdasarkan Semantik Kalimat Menggunakan XLM-RoBERTa","authors":"Aripin, Steven Adi Santoso, Hanny Haryanto","doi":"10.22146/jnteti.v12i1.6084","DOIUrl":"https://doi.org/10.22146/jnteti.v12i1.6084","url":null,"abstract":"Emosi dasar dibagi menjadi enam, yaitu marah, sedih, senang, jijik, kaget, dan takut. Gabungan lebih dari satu emosi dasar dapat menciptakan sebuah emosi baru, yaitu emosi majemuk. Emosi majemuk dapat diimplementasikan untuk chat-bot, penerjemahan bahasa, text summarization, dan sebagainya. Penelitian mengenai klasifikasi emosi berdasarkan teks bahasa Indonesia telah banyak dilakukan dengan menggunakan beberapa model tradisional, seperti multinomial naïve Bayes, SVM, k-nearest neighborhood, dan term frequency–inverse document frequency (TF-IDF). Penelitian tersebut memiliki kelemahan, antara lain kinerja yang kurang optimal karena model hanya dapat mengklasifikasi dari data yang telah dipelajarinya, diperlukan pemrosesan teks terlebih dahulu, dan diperlukannya waktu yang lama dalam proses pelatihan dengan data berukuran besar. Penelitian ini bertujuan untuk mengatasi beberapa kelemahan penelitian sebelumnya dengan menggunakan model cross-lingual language model-robustly optimized bidirectional encoder representations from transformers approach (XML-RoBERTa) untuk mengklasifikasi emosi majemuk berdasarkan semantik atau makna kalimat dan kata. XLM-RoBERTa merupakan sebuah model transformer yang dapat mengetahui sebuah makna kata dari attention mechanism pada kata tersebut dan merupakan sebuah vektor yang merepresentasikan sebuah konteks atau makna kata. Attention mechanism merupakan sebuah representasi kata berbentuk vektor untuk mengetahui penggunaan dan posisi kata pada suatu kalimat dan merupakan cara agar model dapat mengetahui makna dari sebuah kata. Dengan attention mechanism, model dapat melihat pola kalimat dari penggunaan kata dan mengklasifikasikan kalimat tersebut sesuai dengan pola dan urutan kata, sehingga semantik kalimat dapat diketahui. Hasil eksperimen menunjukkan bahwa model yang diusulkan mampu mengklasifikasi teks berbahasa Indonesia ke dalam kelas-kelas emosi dasar dan kombinasinya sebagai dasar pembentukan emosi majemuk dengan akurasi sebesar 95,56%. Nilai akurasi ini merupakan nilai akurasi yang lebih unggul dibandingkan dengan penelitian klasifikasi kelas emosi majemuk dengan menggunakan model tradisional.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"64 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-02-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"81049551","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-02-03DOI: 10.22146/jnteti.v12i1.4531
Alfi Bahar, Muhammad Yasirroni, Sarjiya, M. Isnaeni Bambang Setyonegoro
Technological development and the reduction of installation costs have caused a rapid growth of solar power plants in Indonesia. The National Electricity Company (Perusahaan Listrik Negara, PLN) strives to achieve the energy mix of renewable energy to 23% by 2025. Solar power plants are unique in that they only supply their power during the daytime. It makes solar power plants connected to the power system change the load profile of the Java-Bali system. In this study, the penetration of solar power plants changed the scheduling of the Java-Bali system because the penetration was installed to the technical minimum loading of existing power plants. When penetration is too big, thermal generator scheduling failure is possible. Unit commitment and economic dispatch with mixed-integer linear programming (MILP) method using CPLEX and Python were carried out to calculate the fuel and generation costs per kWh before and after the penetration. MILP was used to solve the cost fuel equation, namely an integer and nonlinear mix equations, that are challenging to be solved using standar nonlinear programming methods. Due to the use of the MILP-UC, all objective function equations and restraint functions must be linear functions. The tests were conducted for three years, from 2023 to 2025. Simulation results on the Java-Bali system show that the capacity of solar power plants penetrating the Java-Bali system against the peak load will be 52%, 52%, and 50% in 2023, 2024, and 2025, respectively. Meanwhile, penetration of solar power plants to technical minimum loading of existing power plants resulted in the fuel cost falling by 23% in 2023 and 22% in 2024 and 2025. Lastly, the cost of generation per kWh will be decreased by 8% in 2023 and will be as low as 7% in 2024 and 2025.
技术的发展和安装成本的降低使印度尼西亚的太阳能发电厂迅速增长。国家电力公司(Perusahaan Listrik Negara, PLN)致力于到2025年实现可再生能源占能源结构的23%。太阳能发电厂的独特之处在于它们只在白天供电。它使连接到电力系统的太阳能发电厂改变了爪哇-巴厘岛系统的负荷分布。在本研究中，太阳能发电厂的渗透改变了Java-Bali系统的调度，因为渗透安装在现有发电厂的技术最小负荷上。当穿透太大时，可能会导致火力发电机组调度失败。利用CPLEX和Python，采用混合整数线性规划(MILP)方法进行机组承诺和经济调度，计算并网前后的每千瓦时燃料和发电成本。该方法用于求解成本燃料方程，即一个整数和非线性混合方程，这是标准非线性规划方法难以求解的。由于使用了MILP-UC，所有的目标函数方程和约束函数都必须是线性函数。试验进行了三年，从2023年到2025年。在Java-Bali系统上的仿真结果表明，2023年、2024年和2025年，穿透Java-Bali系统的太阳能电站的峰值负荷容量分别为52%、52%和50%。同时，太阳能发电厂对现有发电厂技术最低负荷的渗透导致燃料成本在2023年下降23%，在2024年和2025年下降22%。最后，2023年每千瓦时的发电成本将下降8%，2024年和2025年将低至7%。
{"title":"Photovoltaic Penetration with MILP Method and Technical Minimum Loading Consideration","authors":"Alfi Bahar, Muhammad Yasirroni, Sarjiya, M. Isnaeni Bambang Setyonegoro","doi":"10.22146/jnteti.v12i1.4531","DOIUrl":"https://doi.org/10.22146/jnteti.v12i1.4531","url":null,"abstract":"Technological development and the reduction of installation costs have caused a rapid growth of solar power plants in Indonesia. The National Electricity Company (Perusahaan Listrik Negara, PLN) strives to achieve the energy mix of renewable energy to 23% by 2025. Solar power plants are unique in that they only supply their power during the daytime. It makes solar power plants connected to the power system change the load profile of the Java-Bali system. In this study, the penetration of solar power plants changed the scheduling of the Java-Bali system because the penetration was installed to the technical minimum loading of existing power plants. When penetration is too big, thermal generator scheduling failure is possible. Unit commitment and economic dispatch with mixed-integer linear programming (MILP) method using CPLEX and Python were carried out to calculate the fuel and generation costs per kWh before and after the penetration. MILP was used to solve the cost fuel equation, namely an integer and nonlinear mix equations, that are challenging to be solved using standar nonlinear programming methods. Due to the use of the MILP-UC, all objective function equations and restraint functions must be linear functions. The tests were conducted for three years, from 2023 to 2025. Simulation results on the Java-Bali system show that the capacity of solar power plants penetrating the Java-Bali system against the peak load will be 52%, 52%, and 50% in 2023, 2024, and 2025, respectively. Meanwhile, penetration of solar power plants to technical minimum loading of existing power plants resulted in the fuel cost falling by 23% in 2023 and 22% in 2024 and 2025. Lastly, the cost of generation per kWh will be decreased by 8% in 2023 and will be as low as 7% in 2024 and 2025.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"39 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-02-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"79871936","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-02-02DOI: 10.22146/jnteti.v12i1.5472
Muhammad Luqman Bukhori, Erwan Eko Prasetiyo
Indonesia merupakan salah satu negara yang mengalami dampak virus COVID-19. Segala upaya dilakukan untuk menanggulangi penyebaran virus ini. Salah satu langkah yang efisien guna menanggulangi dampak ini adalah dengan menerapkan protokol kesehatan yang ketat dan pemakaian masker dengan benar. Pemantauan penggunaan masker terus dilakukan di gedung perkantoran, supermarket, maupun ruang publik lainnya. Peran pengawas sangat diperlukan untuk mengawasi pemakaian masker dengan benar. Namun, seorang pengawas mempunyai keterbatasan dalam melakukan pengawasan, sehingga menimbulkan celah bagi orang-orang untuk tidak mematuhi aturan pemakaian masker dengan benar. Oleh karena itu, perlu adanya sistem yang bekerja secara otomatis untuk membantu pengawas dalam memantau pemakaian masker dengan benar. Tujuan makalah ini adalah merancang sebuah computer vision yang dapat mendeteksi seseorang bermasker atau tidak menggunakan deep learning framework TensorFlow. TensorFlow digunakan karena efisiensinya dalam mengolah data citra digital. Klasifikasi data citra digital pada TensorFlow menggunakan struktur deep learning Keras, sehingga ringan dan mampu digunakan pada perangkat tertanam seperti Jetson Nano untuk mendeteksi penggunaan masker secara real-time. Tahapan sistem pendeteksian masker terdiri atas pengumpulan dataset citra, ekstraksi ciri, pemisahan data, pembuatan model, pelatihan model, dan penerapan model. Deep learning framework TensorFlow memproses data citra secara langsung melalui kamera web (webcam). Ketika kamera menangkap objek orang yang sedang tidak menggunakan masker dengan benar, layar monitor menampilkan kotak merah pada wajah. Tanda ini dapat membantu pengawas saat melakukan pengawasan. Hasil pengujian menunjukkan bahwa sistem berhasil mendeteksi dengan benar orang yang tidak menggunakan masker, dengan akurasi sebesar 99,48%. Selain itu, sistem juga berhasil mendeteksi orang yang memakai masker dengan benar dan mendapatkan rata-rata akurasi sebesar 99,12%. Monitor akan menampikan kotak hijau pada wajah jika orang yang dideteksi memakai masker dengan benar.
{"title":"Sistem Deteksi Masker Berbasis Jetson Nano dengan Deep Learning Framework TensorFlow","authors":"Muhammad Luqman Bukhori, Erwan Eko Prasetiyo","doi":"10.22146/jnteti.v12i1.5472","DOIUrl":"https://doi.org/10.22146/jnteti.v12i1.5472","url":null,"abstract":"Indonesia merupakan salah satu negara yang mengalami dampak virus COVID-19. Segala upaya dilakukan untuk menanggulangi penyebaran virus ini. Salah satu langkah yang efisien guna menanggulangi dampak ini adalah dengan menerapkan protokol kesehatan yang ketat dan pemakaian masker dengan benar. Pemantauan penggunaan masker terus dilakukan di gedung perkantoran, supermarket, maupun ruang publik lainnya. Peran pengawas sangat diperlukan untuk mengawasi pemakaian masker dengan benar. Namun, seorang pengawas mempunyai keterbatasan dalam melakukan pengawasan, sehingga menimbulkan celah bagi orang-orang untuk tidak mematuhi aturan pemakaian masker dengan benar. Oleh karena itu, perlu adanya sistem yang bekerja secara otomatis untuk membantu pengawas dalam memantau pemakaian masker dengan benar. Tujuan makalah ini adalah merancang sebuah computer vision yang dapat mendeteksi seseorang bermasker atau tidak menggunakan deep learning framework TensorFlow. TensorFlow digunakan karena efisiensinya dalam mengolah data citra digital. Klasifikasi data citra digital pada TensorFlow menggunakan struktur deep learning Keras, sehingga ringan dan mampu digunakan pada perangkat tertanam seperti Jetson Nano untuk mendeteksi penggunaan masker secara real-time. Tahapan sistem pendeteksian masker terdiri atas pengumpulan dataset citra, ekstraksi ciri, pemisahan data, pembuatan model, pelatihan model, dan penerapan model. Deep learning framework TensorFlow memproses data citra secara langsung melalui kamera web (webcam). Ketika kamera menangkap objek orang yang sedang tidak menggunakan masker dengan benar, layar monitor menampilkan kotak merah pada wajah. Tanda ini dapat membantu pengawas saat melakukan pengawasan. Hasil pengujian menunjukkan bahwa sistem berhasil mendeteksi dengan benar orang yang tidak menggunakan masker, dengan akurasi sebesar 99,48%. Selain itu, sistem juga berhasil mendeteksi orang yang memakai masker dengan benar dan mendapatkan rata-rata akurasi sebesar 99,12%. Monitor akan menampikan kotak hijau pada wajah jika orang yang dideteksi memakai masker dengan benar.","PeriodicalId":31477,"journal":{"name":"Jurnal Nasional Teknik Elektro dan Teknologi Informasi","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-02-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89576549","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：