Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems
Ika Candradewi, Ika
Unknown Affiliation
Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGENALAN TEKS BAHASA INDONESIA PADA CITRA TULISAN TANGAN BERBASIS TRANSFORMER Rahmawati, Dianita Alfi; Candradewi, Ika
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 1 (2024): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.86926

Abstract

Digitalisasi dokumen dapat dipercepat berkat kemajuan teknologi. Banyak upaya telah dilakukan untuk mengenali teks dari foto. Banyak arsitektur mampu mengenali teks, khususnya citra tulisan tangan salah satunya adalah transformer. Pada penelitian sebelumnya masih banyak yang menggunakan dataset citra dengan aksara tegak sehingga kurang variatif. Untuk meningkatkan keahlian pemodelan pembelajaran, proyek ini berfokus pada pengimplementasian dan pengembangan sistem pada Transformers dengan pengujian dataset yang lebih bervariasi.Dataset yang digunakan terdiri dari foto dengan tulisan Indonesia. setelah langkah pra-pemrosesan kemudian akan diubah menjadi token dengan label kelas dan koordinat kotak pembatas untuk anotasi gambar. Dataset akan dilatih menggunakan arsitektur transformer. Encoder-decoder merupakan dasar dari arsitektur Transformer ini. Pengujian data dilakukan setelah model dilatih menggunakan mean Average Precision (mAP).Sistem yang dibuat mampu mengenali dan mengklasifikasikan objek secara akurat dari data gambar tulisan tangan, termasuk objek yang mewakili kata-kata bahasa Indonesia. Hyperparameter yang paling optimal didapatkan batch dan jumlah epoch masing-masing 32 dan 40. Dengan menggunakan parameter terbaik, evaluasi model menghasilkan data dari sampel latih dan uji dengan masing-masing nilai mAP 0,97 dan 0,95.
BOUNDARY BALLS DETECTION SYSTEM FOR UNMANNED SURFACE VEHICLE USING YOLOV4-TINY Hanggraeni, Diva Diansari; Candradewi, Ika; Auzan, Muhammad
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 16, No 1 (2026): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.75869

Abstract

Unmanned Surface Vehicle (USV) technology requires a reference such as a camera to determine the direction of its motion. The classical digital image processing is still less accurate for detecting boundary objects due to changes in light intensity and the influence of the aquatic environment. This study used hyperparameter subdivision and learning rate analysis of YOLOv4-tiny to detect boundary balls and trajectory obstacles. The training model is used in video testing under various conditions to determine the system's robustness.The training was carried out with subdivision 8 and a learning rate of 0.00261, which obtained a mAP of 97.02%, 95.1% F1-score, and 87.73% avg IoU. This system is robust for various testing times in terms of the diversity of light intensity and object reflections as well as conditions when there are waves or not. The system can work optimally during the day with an average performance of 98.13% F1-score, 99.18% mAP, and 88.75% avg IoU. In the conditions where there are waves, the system shows that the performance is not much different when there are no waves, namely mAP 91.93%, F1-score 94.62%, and avg IoU 87.33%. The average detection processing speed on the Jetson Nano 4GB is 14.2 FPS.
Co-Authors Auzan, Muhammad Hanggraeni, Diva Diansari Rahmawati, Dianita Alfi