Skripsi

DETEKSI OBJEK PADA METERAN AIR ANALOG MENGGUNAKAN REGION-BASED CONVOLUTIONAL NEURAL NETWORK

---

Teknologi pengenalan objek dan pengenalan teks semakin banyak digunakan dalam berbagai aplikasi, termasuk untuk pembacaan otomatis pada meteran air. Pembacaan angka pada meteran air analog secara manual seringkali menghasilkan ketidakakuratan karena kondisi meteran yang buram atau kesalahan manusia. Penelitian ini mengembangkan model deteksi objek menggunakan Region-based Convolutional Neural Network (R-CNN) untuk meningkatkan akurasi dan efisiensi dalam pembacaan angka pada meteran air analog. Dengan menggunakan dataset publik yang terdiri dari 1.224 gambar, model ini berhasil mendeteksi area yang berisi angka dengan tingkat akurasi yang tinggi. Hasil evaluasi menggunakan metrik Intersection over Union (IoU) menunjukkan nilai sebesar 0,92% hingga 0,97%. Metode yang digunakan dalam penelitian ini mengikuti siklus hidup pembelajaran mesin Machine Learning Life Cycle (MLLC), yang mencakup tahapan dari pengumpulan data, preprocessing, pelatihan model, hingga evaluasi. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi objek, khususnya dalam otomatisasi pembacaan angka pada meteran air. Hasil penelitian ini juga membuka peluang untuk penerapan teknologi serupa di sektor utilitas lainnya seperti meteran listrik dan gas.

---

Ketersediaan

S25.12518

S/T.Inf/2025/1153

My Library (Rak Reference)

Tersedia namun tidak untuk dipinjamkan - No Loan

Informasi Detail

Judul Seri

-

No. Panggil

S/T.Inf/2025/1153

Penerbit

Garut : ITG., 2024

Deskripsi Fisik

96 hlm.; ilus : 15 x 23 cm.

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

text

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Skripsi/Informatika

Info Detail Spesifik

-

Pernyataan Tanggungjawab

MUHAMAD FITROH SODIKIN NIM: 2006164

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar