Diyah Utami Kusumaning Putri
Universitas Gadjah Mada

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Penggunaan Pre-trained Model untuk Klasifikasi Kualitas Sekrup Muhammad Rafif; Diyah Utami Kusumaning Putri; Lukman Awaludin
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 12, No 2 (2022): Oktober
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.78112

Abstract

Inspeksi kualitas produk berbasis citra merupakan hal yang penting bagi industri manufaktur. Tugas tersebut sebagian besar masih dilakukan oleh manusia yang memiliki unit per hour rendah. Metode konvensional untuk inspeksi citra masih mengandalkan metode berbasis fitur, yang memiliki masalah sulitnya generalisasi dan ekstraksi fitur. Masalah tersebut diatasi dengan metode CNN, tetapi CNN membutuhkan data yang besar dan waktu training yang lama. Penggunaan pre-trained model dan augmentasi citra dapat menyelesaikan permasalahan pada metode-metode sebelumnya. Namun, belum ada penelitian yang secara lengkap meneliti dan membandingkan performa berbagai pre-trained model dan variasi augmentasi citra untuk tugas inspeksi citra kualitas produk manufaktur.Proses penelitian menggunakan dataset sekrup berjenis multi class dan binary class pada 33 jenis pre-trained model dan 8 jenis augmentasi citra. Pengujian pre-trained model menggunakan dataset gabungan seluruh jenis augmentasi citra. Model dengan akurasi tertinggi adalah EfficientNetV2-L untuk dataset multi class (97.8%) dan VGG-19 untuk dataset binary class (96.5%). Augmentasi citra dengan signifikansi tertinggi terhadap performa model adalah blur, dengan akurasi 81.1% pada multi class dan 92% pada binary class. Keseluruhan proses pengujian pre-trained model dan augmentasi citra berjalan dengan baik. Kata kunci—Inspeksi kualitas produk, Pre-trained model, Augmentasi citra
Expert System for Identification of Skin Disease in Humans using Naive Bayes Classifier Method on Web Dinar Nugroho Pratomo; Diyah Utami Kusumaning Putri
Jurnal Informatika: Jurnal Pengembangan IT Vol 7, No 1 (2022): JPIT, Januari 2022
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v7i1.3098

Abstract

Expert System Identification of Skin Disease in Human is an application that adopts expert knowledge, in this case, a dermatologist, to identify skin diseases in humans found in Indonesia. This expert system is constructed using a naive bayes classifier. To make the system interface more dynamic and easy to access by anyone, this system is made based on the web. Through this web application, users can consult with a system like an expert to know the skin disease that occurs to the human and find the correct treatment to solve the problems.
Implementasi Optical Character Recognition berbasis Deep Learning untuk Ekstraksi Data Sertifikat Tanah Dinar Nugroho Pratomo; Diyah Utami Kusumaning Putri; Azhari Azhari
Jurnal Informatika: Jurnal Pengembangan IT Vol 7, No 3 (2022)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v7i3.3657

Abstract

Data yang dimiliki BPN berupa salinan sertifikat tanah sudah terhimpun di brankas penyimpanan pada setiap BPN daerah bertahun-tahun lamanya. Banyak kasus yang dapat membuat pajak yang seharusnya ditanggung oleh pemilik tanah bisa jadi tidak terbayarkan karena kurangnya pembaharuan data. Permasalahan ini adalah belum adanya pendigitalisasian data dengan baik. Kegiatan penelitian diawali dengan pengumpulan contoh beberapa salinan sertifikat tanah dari beberapa BPN daerah Brebes, kemudian dilakukan pra-pemrosesan data (pre-processing) dengan 3 tahapan yaitu scalling, greyscalling, dan binarization.  Metode yang digunakan menggunakan OCR dan CNN untuk mengekstraksi data yang diperoleh. Pengujian dilakukan di setiap halaman penting pada sertifikat. Halaman tersebut adalah bagian cover, pendaftaran pertama, surat ukur, kutipan dan daftar buku c. setiap halaman memiliki hasil ekstraksi data yang berbeda sesuai dengan pelabelan model yang sudah dilakukan. Rata-rata prosentase hasil kesesuaian sebesar 97,05%. Hal ini membuktikan bahwa metode yang digunakan sudah sangat handal.