SKRIPSI IMPLEMENTASI MACHINE LEARNING UNTUK DETEKSI KEBERADAAN DAN UJI POSISI PLATE PADA MESIN ROCK IMAGER | PERPUSTAKAAN UNTIDAR : Repositori Mahasiswa Untidar

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

SKRIPSI IMPLEMENTASI MACHINE LEARNING UNTUK DETEKSI KEBERADAAN DAN UJI POSISI PLATE PADA MESIN ROCK IMAGER

PIYADHAMMO JANSEN CONGGONO - Nama Orang;

INTISARI
Fokus penelitian ini adalah pengembangan prototipe untuk mendeteksi keberadaan plate dan menguji posisi plate pada mesin Rock Imager dengan menggunakan model machine learning. Deteksi keberadaan plate yang ada pada mesin Rock Imager terbatas pada mendeteksi barcode yang tertempel pada plate, yang mana jika barcode tidak terpasang maka tidak akan terdeteksi sebagai plate. Lebih dari itu tidak ada cara untuk memeriksa apakah posisi plate sudah pada posisi yang sesuai atau belum. Penelitian ini menggunakan model YOLOv7, yang merupakan salah satu model deteksi objek dibawah lingkup deep learning. Arsitektur yang dipilih pada penelitian ada dua jenis, yaitu YOLOv7-Tiny dan YOLOv7. Hasil deteksi akan digunakan untuk mengidentifikasikan plate dengan cara memberikan kondisi apakah hasil deteksi berada pada Region of Interest (ROI) yang sudah ditentukan pada empat kategori pengujian. Hasil penelitian menunjukkan bahwa baik YOLOv7-Tiny maupun YOLOv7 dapat digunakan dalam mendeteksi dan menguji posisi plate pada dataset testing sebanyak 72 buah citra menggunakan dataset training sebanyak 300 buah. Model yang dilatih menggunakan YOLOv7- Tiny menghasilkan rata-rata akurasi deteksi kelas sebesar 100,00%, akurasi uji posisi sebesar 94,45%, dan Intersection of Union (IoU) sebesar 87,40%. Model yang dilatih menggunakan YOLOv7 menghasilkan rata-rata akurasi deteksi kelas sebesar 100,00%, akurasi uji posisi sebesar 97,22%, dan IoU sebesar 88,54%.
Kata Kunci: Mesin Rock Imager, Plate, Region of Interest, YOLOv7, YOLOv7- Tiny

Ketersediaan

11-UN57.U1-STE-I-2024 ELEKTRO CON I 2024 Ruang Skripsi (TEKNIK ELEKTRO) Tersedia namun tidak untuk dipinjamkan - No Loan

Informasi Detail

Judul Seri: -
No. Panggil: ELEKTRO CON I 2024
Penerbit: MAGELANG : UNIVERSITAS TIDAR., 2024
Deskripsi Fisik: XV;68HAL;29.5CM
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: 621.38
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: PRODI_S1_TEKNIK_ELEKTRO
FAKULTAS_FT
Info Detail Spesifik: -
Pernyataan Tanggungjawab: -

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

Tidak Ada Data

Komentar

Anda harus masuk sebelum memberikan komentar