Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Journal of Electrical, Electronic, Mechanical, Informatic and Social Applied Science
Kurnianto Tri Nugroho
Unknown Affiliation
Arts Humanities Computer Science & IT Education Languange, Linguistic, Communication & Media Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengaruh Jumlah Epoch dan Step Per Epoch Terhadap Performa Mask-RCNN pada Deteksi Objek Tanda Tangan Bagus Julianto BJ; Kurnianto Tri Nugroho; Tamara Maharani; Danny Febryan Nur Muhamad Saifullah
Journal of Electrical, Electronic, Mechanical, Informatic and Social Applied Science Vol. 2 No. 1 (2023): Juni 2023
Publisher : Unit Penelitian, Pengabdian Kepada Masyarakat dan Penjamnan Mutu Akademi Komunitas Negeri Pacitan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58991/eemisas.v2i1.20

Abstract

Tanda tangan merupakan kegiatan formil yang digunakan untuk menyatakan persetujuan dan juga memastikan identitas dari oarang yang membubuhkan tanda tangan untuk sesuatu yang berimplikasi pada hukum atau tidak. Akademi Komunitas Negeri (AKN) Pacitan merupakan Perguruan Tinggi yang menyelenggarakan pendidikan vokasi setingkat diploma dua. Salah Satu syarat kelulusan mahasiswa di AKN pacitan adalah telah menyelesaikan proyek akhir yang dilakukan di semester empat dan didokumentasikan dalam bentuk laporan proyek akhir. Laporan yang dianggap layak untuk dipublikasikan adalah laporan yang telah ditandatangani oleh pengawas dan penguji pada lembar pengesahan. Namun dalam kegiatannya terdapat beberapa oknum yang melakukan penipuan dengan memalsukan tanda tangan sehingga laporan proyek tersebut akhirnya dinyatakan layak untuk dipublikasikan. Tentu hal tersebut jika tidak ditangani secara cepat akan berdampak pada kualitas dari laporan proyek akhir mahasiswa. Dengan memanfaatkan teknologi image capture, penulis mengusulkan suatu model yang dapat digunakan untuk deteksi tanda tangan. Metode Mask RCNN merupakan keluarga dari Convolutional Neural Networks (CNN) yang memiliki kemampuan untuk mendeteksi objek pada sebuah citra. Metode ini merupakan pengembangan dari metode sebelumnya yang menggunakan ROIAlign yang mampu memberikan Presisi Rata-Rata di atas 90%. Mask RCNN menggunakan epoch dan batch size untuk mendapatkan model optimal dengan eror komputasi minimum. Selama penelitian, penulis melihat korelasi antara epoch dan step per epoch untuk mendapatkan perhitungan loss yang minimal. Dari percobaan yang dilakukan, didapatkan perhitungan loss minimum pada epoch ke-40 dan step per epoch sebesar 500.
Co-Authors Bagus Julianto BJ Danny Febryan Nur Muhamad Saifullah Tamara Maharani