Techno.Com
Not a member yet
738 research outputs found
Sort by
Ekstraksi Karakter Plat Nomor Kendaraan Menggunakan Google Vision dan Regex Pattern
Full text linkDi era serba AI (Artificial Intelligence) seperti saat ini, penggunaan teknologi Optical Character Recognition (OCR) adalah hal yang lumrah. Salah satunya adalah pada Manless Parking System atau sistem parkir otomatis. Pada sistem ini teknologi OCR digunakan untuk mendeteksi plat nomor kendaraan secara otomatis. Namun begitu tidak semua metode memberikan hasil yang optimal. Pada penelitian-penelitian sebelumnya rata-rata tingkat akurasi dari penerapan OCR adalah sebesar 90%. Pada penelitian ini digunakan metode OCR dari Google yaitu Google Vision dan Pattern Regex untuk mendeteksi plat nomor kendaraan pada citra digital. Google Vision dipilih karena kemampuannya yang relatif lebih baik dibandingkan metode OCR lainnya seperti Tesseract dan EasyOCR. Sedangkan Regex Pattern digunakan untuk melakukan filtering terhadap teks hasil ekstraksi OCR yang tidak diperlukan. Penelitian ini diujikan terhadap 150 data sample berformat JPG dan JPEG. Ukuran file bervariasi antara 50 KB – 2 MB. Sudut pengambilan gambar juga dibuat bervariasi. Hasil penelitian menunjukkan bahwa penggunaan metode OCR dengan Google Vision dan Regex Pattern memberikan hasil yang sangat baik dengan tingkat akurasi mencapai 99,50%. Hasil ini lebih baik dibandingkan hasil pada penelitian-penelitian sebelumnya.
Kata Kunci : Plat Nomor Kendaraan, Optical Character Recognition, Google Vision, Regex Patter
Klasifikasi SVM Menggunakan Optimasi PSO Untuk Kelayakan Biji Kopi Dengan Level Medium Roast
Full text linkBiji kopi dengan medium roast memiliki ciri warna coklat muda kehitaman, permukaan sedikit berminyak, dan retakan biji yang tidak terlalu lebar. Karena kopi merupakan hasil bumi yang banyak dikonsumsi dengan tingkat kematangan medium, diperlukan quality control yang efektif untuk memastikan biji kopi layak konsumsi. Penelitian ini mengambil sampel dari perusahaan terkait dan menggunakan metode GLCM untuk ekstraksi fitur numerik dari biji kopi, serta SVM dengan kernel RBF untuk klasifikasi, mengingat pentingnya pemilihan kernel dan parameter dalam menentukan akurasi. Untuk meningkatkan akurasi, diterapkan optimasi menggunakan PSO. Hasil klasifikasi menggunakan SVM saja mencapai akurasi 85,37%, sedangkan dengan optimasi PSO, akurasi meningkat menjadi 93,57%, menunjukkan bahwa penerapan PSO pada algoritma SVM mampu meningkatkan performa klasifikasi biji kopi medium roast secara signifikan.
Kata kunci: SVM, PSO, Biji Kopi Medium Roas
Evaluasi Kepuasan Penggemar Sepak Bola Terhadap Pemilihan Pelatih Timnas Indonesia Di Media Sosial X Dengan Metode K-Means Clustering
Full text linkTingginya antusiasme publik terhadap pemilihan pelatih timnas Indonesia seringkali memunculkan beragam opini di media sosial, khususnya platform X. Opini tersebut tersebar dalam bentuk komentar yang tidak terstruktur, sehingga menyulitkan evaluasi kepuasan publik secara objektif. Penelitian ini merumuskan permasalahan: bagaimana mengelompokkan opini publik terhadap pemilihan pelatih timnas Indonesia secara sistematis untuk mengevaluasi tingkat kepuasan penggemar. Tujuan penelitian ini adalah menerapkan algoritma K-Means Clustering dalam proses analisis sentimen berbasis teks untuk mengetahui persepsi publik secara terukur. Penelitian ini menggunakan pendekatan kuantitatif dengan tahapan utama berupa crawling data tweet, text preprocessing, pembobotan TF-IDF, serta klasterisasi menggunakan metode K-Means. Penentuan jumlah klaster optimal dilakukan dengan Elbow Method dan validasi menggunakan Silhouette Score. Hasil analisis terhadap 947 data menunjukkan distribusi sentimen positif sebanyak 649 tweet (68,46%), netral 185 tweet (19,51%), dan negatif 114 tweet (12,03%). Evaluasi performa menghasilkan akurasi model sebesar 53,59%, dengan performa terbaik pada klaster sentimen positif. Penelitian menyimpulkan bahwa metode K-Means Clustering dapat menjadi pendekatan awal dalam menganalisis opini publik di media sosial, meskipun akurasinya masih terbatas untuk data dengan distribusi tidak seimbang. Penelitian ini bermanfaat dalam memberikan rekomendasi berbasis data bagi federasi sepak bola Indonesia untuk memahami suara publik sebagai bahan evaluasi dalam pengambilan keputusan strategis.
Kata kunci - Analisis Sentimen, K-Means Clustering, Machine Learning, TF-IDF, Confusion Matri
Utilization of Big Data For PPE Detection Using Convolutional Neural Network And Yolov8
Full text linkIndonesia holds a strategic position in the global manufacturing sector, with a manufacturing output of USD 228.32 billion in 2021, ranking 10th worldwide. In 2023, it ranked 12th globally by manufacturing value added, according to the World Bank’s report. However, this growth is accompanied by 297,725 workplace accidents reported in Indonesia in 2022, marking a 27.03% increase from the previous year. This study aims to develop a Personal Protective Equipment (PPE) monitoring system using Big Data, employing Convolutional Neural Network (CNN) and You Only Look Once (YOLO) algorithms. The dataset consists of at least 1,000 images for each of four classes: Helmet, Vest, NoHelmet, and NoVest. Evaluation results show a mAP@50 of 83.1%, with the highest detection performance in Vest (0.90), followed by NoHelmet (0.88), Helmet (0.85), and NoVest (0.81). These findings demonstrate strong potential in supporting safety protocol compliance and reducing workplace accidents in high-risk industrial environments.
Keywords - Big Data, Convolutonal Neural Network, You Only Look Onc
Implementasi Algoritma Monte Carlo dengan Data Fluktuatif untuk Prediksi Jumlah Tamu di Penginapan
Full text linkPenginapan berperan penting dalam mendukung mobilitas masyarakat, baik untuk kepentingan bisnis, pekerjaan, maupun perjalanan pribadi, sekaligus berkontribusi dalam sektor pariwisata sebagai sarana akomodasi. Salah satu tantangan utama penginapan adalah ketidakpastian jumlah tamu bulanan yang berdampak pada pendapatan dan pemanfaatan kamar. Penelitian ini bertujuan membangun model prediksi jumlah tamu tahun 2025 dengan metode simulasi Monte Carlo menggunakan data historis 2022–2024. Tahapan simulasi meliputi pembentukan distribusi probabilitas, penyusunan distribusi kumulatif, penentuan interval bilangan acak, serta pembangkitan bilangan acak melalui Mixed Congruential Method. Hasil penelitian menunjukkan pola musiman yang konsisten, dengan puncak kunjungan pada April yang diduga terkait perayaan Idulfitri 1446 Hijriah. Model prediksi mencapai akurasi 76,22% pada 2023, 76,80% pada 2024, dan 88,86% pada 2025, dengan rata-rata 80,63%. Pada 2025 diperoleh nilai MAE sebesar 88,50, RMSE sebesar 128,91, dan MAPE sebesar 11,14%. Temuan ini menegaskan bahwa metode Monte Carlo efektif dalam merepresentasikan ketidakpastian serta relevan sebagai dasar pengambilan keputusan strategis, sehingga dapat direkomendasikan untuk memprediksi lonjakan jumlah tamu dan mendukung peningkatan kualitas layanan penginapan.
Kata kunci – Jumlah tamu, prediksi, monte carlo, simulasi, data historis
Design and Construction of Electrical System for Bread Dough Proofer Tool Based on a Microcontroller with PID Control on Donut Dough
Full text linkThis study focuses on the design and implementation of an electrical system for a bread dough proofer tool, specifically optimized for donut dough fermentation, utilizing a microcontroller with Proportional-Integral-Derivative (PID) control. The proofing process is crucial for dough quality, and maintaining precise temperature and humidity conditions is essential for consistent results. The PID control algorithm continuously calculates the error between desired setpoints and measured process variables, adjusting actuator outputs to minimize this error. The PID parameters were tuned using a trial-and-error method to achieve optimal response speed and stability, with values of , , and . Experimental results demonstrate the system’s effectiveness in stabilizing the proofing environment. The temperature was maintained at 40.10 with a minimal overshoot of 0.30 and a rise time of 10.25 minutes. Humidity was regulated within the range of 80-90% RH for 38.4 minutes, with a rise time of 40.41 minutes. The system exhibited robust disturbance rejection, quickly recovering from external perturbations. Compared to manual proofing, the automated system reduced proofing time by approximately 25% and significantly improved donut dough quality, evidenced by enhanced volume expansion and uniform texture.
Keywords - Bread Dough Proofer, PID Control, Microcontroller, Temperature and Humidity Control, Automated Proofing Syste
Penerapan Advanced Encryption Standard Pada Aplikasi Payment Gateway Untuk Keamanan Data Transaksi Penjualan
Full text linkKeamanan data transaksi penjualan membership menjadi aspek yang sangat penting untuk melindungi privasi pelanggan dan meningkatkan kepercayaan terhadap sistem, terutama di era digital yang semakin kompleks. Penelitian ini bertujuan untuk mengembangkan aplikasi penjualan membership di UMKM Gym di bengkalis dengan menerapkan algoritma Advanced Encryption Standard (AES) CBC 128-bit dan integrasi payment gateway. Pengembangan aplikasi menggunakan metode Waterfall, mencakup identifikasi masalah, analisis sistem, desain sistem, implementasi, dan pengujian. Penerapan algoritma AES CBC 128-bit dilakukan untuk mengenkripsi data sensitif, seperti payment_va_name dan payment_va_number, yang tersimpan dalam basis data, memastikan keamanan dari akses tidak sah. Keamanan AES CBC 128-bit diuji dengan simulasi serangan bruteforce key menggunakan Cryptool. Hasil pengujian menunjukkan bahwa algoritma AES CBC 128-bit dapat memberikan keamanan yang kuat terhadap ancaman keamanan data transaksi penjualan membership, sementara payment gateway Midtrans memungkinkan transaksi online yang efisien dan aman. Penelitian ini menghasilkan aplikasi yang aman, efisien, dan terintegrasi dengan payment gateway, memberikan solusi yang signifikan untuk perlindungan data transaksi penjualan membership. Sistem ini mampu meningkatkan kepercayaan pelanggan terhadap layanan online yang ditawarkan oleh UMKM Gym di bengkalis.
Kata kunci: Keamanan Data Transaksi Penjualan Membership; Algoritma AES; Aplikasi Penjualan Membership; Payment Gateway; Bruteforce Ke
Implementasi Algoritma Blowfish Untuk Pengamanan Data Transaksi Dalam Aplikasi Berbasis Website E-commerce
Full text linkKeamanan data transaksi merupakan aspek krusial dalam sistem e-commerce, khususnya bagi pelaku usaha kecil menengah (UMKM). Penelitian ini bertujuan untuk mengimplementasikan algoritma Blowfish dengan mode Cipher Block Chaining (CBC) dan panjang kunci 160-bit guna meningkatkan keamanan data transaksi penjualan. Algoritma Blowfish dipilih karena efisien dan mendukung penggunaan Initialization Vector (IV) acak yang memperkuat proteksi terhadap serangan pattern dan dictionary. Data transaksi pelanggan dan pembayaran disimpan dalam bentuk ciphertext menggunakan OpenSSL. Pengujian dilakukan terhadap 20 data transaksi menggunakan serangan dictionary berbasis OpenSSL, dan hasil menunjukkan bahwa data tidak dapat didekripsi, membuktikan efektivitas pendekatan ini. Hasil penelitian ini menunjukkan bahwa penggunaan Blowfish CBC 160-bit dengan IV acak mampu memberikan perlindungan kuat dan efisien dalam konteks aplikasi e-commerce untuk UMKM.
Kata kunci: Keamanan Data Transaksi, Blowfish CBC, Initialization Vector, E-Commerce, Dictionary Attac
Optimasi Prediksi Prediabetes dengan Metode Fitur Selection dan Imbalance Learning
Full text linkDiabetes adalah salah satu tantangan kesehatan global yang terus meningkat, dengan deteksi dini pradiabetes menjadi kunci untuk pencegahan. Data yang digunakan diambil dari Diabetes Health Indicators Dataset dan dipersiapkan melalui tahap feature engineering, analisis korelasi, dan penanganan missing value. Selanjutnya, model dibangun menggunakan tiga algoritma utama, yaitu Random Forest, XGBoost, dan Logistic Regression. Penelitian ini menggabungkan analisis korelasi variabel dan metode imbalance learning untuk mengoptimalkan prediksi pradiabetes menggunakan algoritma machine learning. Untuk menangani ketidakseimbangan data, teknik SMOTE diterapkan guna menghasilkan data sintetik pada kelas minoritas. Hasil penelitian menunjukkan model Random Forest memberikan kinerja terbaik dengan akurasi 97,57%, mengungguli XGBoost dan Logistic Regression. Penerapan analisis korelasi variabel dan imbalance learning terbukti efektif dalam meningkatkan kinerja prediksi dengan identifikasi fitur penting. Penelitian ini menunjukkan bahwa pendekatan yang diterapkan dapat membantu deteksi dini pradiabetes secara lebih akurat dan tepat.
Kata kunci: Diabetes, Deteksi Prediabetes, Machine Learning, Random Fores
Perbandingan Algoritma CNN, LSTM, FNN untuk Diagnosa Fibrosis Hati dengan Citra Medis
Full text linkFibrosis hati merupakan kondisi yang berpotensi berkembang menjadi sirosis atau kanker hati jika tidak terdiagnosis dengan tepat. Prosedur biopsi hati yang invasif sering digunakan dalam diagnosis, namun memiliki risiko dan keterbatasan biaya. Penelitian ini bertujuan untuk membandingkan kinerja model deep learning, yaitu Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Feedforward Neural Network (FNN) dalam klasifikasi fibrosis hati menggunakan citra medis. Metode yang digunakan adalah evaluasi kinerja model berdasarkan metrik akurasi, presisi, recall, F1-score, dan loss pada dataset citra medis fibrosis hati. Hasil penelitian menunjukkan bahwa CNN memberikan kinerja terbaik dengan akurasi 98%, diikuti oleh LSTM dengan akurasi 97%, dan FNN dengan akurasi 80%. CNN unggul karena kemampuannya dalam mengekstraksi fitur spasial secara otomatis dari citra medis, sementara LSTM lebih cocok untuk data sekuensial dan FNN terbatas dalam menangani data citra kompleks. Penelitian ini menyimpulkan bahwa CNN lebih efektif dalam klasifikasi fibrosis hati dan dapat menjadi alternatif non-invasif yang lebih efisien dibandingkan metode konvensional seperti biopsi. Teknologi ini berpotensi mempercepat diagnosis fibrosis hati dengan akurasi tinggi dan tanpa risiko komplikasi invasif.
Kata kunci: Fibrosis hati, CNN, LSTM, FNN, klasifikasi citra medis