Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems
Putri, Diyah Utami Kusumaning
Unknown Affiliation
Electrical & Electronics Engineering

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

Found 3 Documents
Search

 1 
Klasifikasi Ekspresi Wajah Menggunakan CNN Dalam Keadaan Wild Setting Pada Virtual Meeting Firmansyah, Isnan; Putri, Diyah Utami Kusumaning; Sumbodo, Bakhtiar Alldino Ardi
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.92088

Abstract

Ekspresi wajah merepresentasikan perasaan dalam diri manusia serta dapat  menjadi sebuah mediator dalam dunia sosial. Dalam rapat virtual, pemahaman terhadap suasana hati dan emosi peserta sangat dibutuhkan untuk menciptakan interaksi dan kerjasama yang baik. Emosi alami akan muncul ketika peserta berbicara secara spontan dengan keadaaan lingkungan alami tanpa dikondisikan sebelumnya. Oleh karena itu, dibutuhkan sebuah sistem yang mampu mengetahui emosi manusia secara otomatis dalam keadaan spontan (wild setting) pada virtual meeting sehingga ekspresi lebih alami. Teknik machine learning digunakan untuk melakukan klasifikasi ekspresi wajah pada virtual meeting.Penelitian ini membandingkan performa arsitektur LightCNN dan EfficientNet. Pelatihan dilakukan pada dataset gabungan antara FER-2013, Extended and Augmented Google FER dan  CK+. Dataset berjumlah 67.362 citra terbagi menjadi data training 60.184 buah, data validation 3.589 buah, dan data testing 3.589 buah.  Input model arsitektur EfficientNet divariasikan menjadi 48x48 dan 224x224 pixels. Optimasi learning rate dilakukan untuk menemukan performa tertinggi dari arsitektur terbaik. Hasil penelitian menunjukan bahwa arsitektur terbaik adalah EfficientNet dengan input 48x48 pixel. Nilai parameter learning rate paling optimal yaitu 0,0005. performa model dalam klasifikasi ekspresi wajah mencapai akurasi 90,50%, presisi 89,50%, recall 90,69% dan F1-score 90,06%. Implementasi EfficientNet pada video virtual meeting untuk mengklasifikasikan ekspresi wajah mendapatkan performa akurasi sebesar 96,18%. 
Deteksi Objek dan Pengenalan Karakter Plat Nomor Kendaraan dengan Metode Deep Learning Susilo, Ghina Salma; Putri, Diyah Utami Kusumaning
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.91555

Abstract

The Ministry of Transportation reported a 4.30% increase in the number of motorized vehicles in Indonesia in 2021, making the Automatic Number Plate Recognition (ANPR) system increasingly important for traffic management. However, implementing ANPR in different weather conditions is challenging. To address this issue, a study used two deep learning modules, YOLOv5n for license plate detection and the TPS-ResNet-BiLSTM-Attn framework for character recognition. Each module was trained with two types of datasets, Dataset 1, which included images with variations in sunny and cloudy weather conditions, and Dataset 2, which included images with variations in sunny, cloudy, and moderate rainy weather conditions. The best-performing training method for the YOLOv5n model was using Dataset 2 and evolution hyperparameters, with a testing result of mAP 0.893 and f1-score 0.887. The best-performing training method for the TRBA framework was using Dataset 2 (3200 data), with a testing result of 83.08% accuracy. The ANPR system has various applications in sectors such as command forces, parking management, and road safety. The combination of object detection and character recognition allows for the development of an end-to-end AI solution for automatic license plate recognition
Analisis Implementasi OV2640 dan MFRC522 Sebagai Bagian dari Sistem Belanja Self-Service Avif, Fahreza Haidar; Sumiharto, Raden; Putri, Diyah Utami Kusumaning
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 14, No 2 (2024): October
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.96492

Abstract

Peningkatan angka konsumsi dan perubahan preferensi masyarakat pasca pandemi COVID-19 mengakibatkan minat terhadap layanan mandiri (self-service) kian meningkat. Hal ini mendorong sektor retail untuk beradaptasi dalam mengembangkan sistem belanja self-service. Penelitian yang ada sebelumnya telah melakukan eksplorasi mengenai potensi penggantian identifikasi barang berbasis barcode dengan alternatif identifikasi lain seperti Quick Response Code (QR-Code) atau Radio Frequency Identification (RFID). Oleh karena itu penelitian ini membahas mengenai pengaruh identifikasi QR-Code dan RFID dalam kecepatan transaksi pada sistem belanja self-service. Penelitian ini menggunakan OV2640 untuk identifikasi QR-Code dan MFRC522 untuk identifikasi RFID. Hasil penelitian yang dilakukan menunjukkan identifikasi RFID memiliki kecepatan respon 3-4 kali lebih cepat dibandingkan identifikasi QR-Code sehingga mampu menyelesaikan transaksi 63% lebih cepat dibandingkan identifikasi QR-Code.
Co-Authors Avif, Fahreza Haidar Bakhtiar Alldino Ardi Sumbodo Firmansyah, Isnan Raden Sumiharto Susilo, Ghina Salma