Claim Missing Document
Check
Articles

Found 2 Documents
Search

Improvement of FPS and Efficiency of Parameters Mask R-CNN with MobileNetV3 Small for Cardboard Detection Tri Vicika, Vikha; Indra, Jamaludin; Faisal, Sutan; Hikmayanti, Hanny
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 16 No. 1 (2025): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/digitalzone.v16i1.26349

Abstract

Inventory management in warehouses often experiences discrepancies in recording the number of cardboard boxes due to errors during the manual recording process. To overcome this problem, a cardboard detection method was developed using the Default Mask R-CNN model and a modified model using MobileNetV3 Small. The training data was obtained from a collection of cardboard photos which then went through an annotation stage. In the cReonfiguration stage, various anchor scales were applied to determine the bounding box parameters, while the training process used Stochastic Gradient Descent (SGD). The default model is trained with the initial Mask R-CNN settings, while the custom model modifies the backbone and Feature Pyramid Network (FPN) adjustments. The test results show that the custom model has higher efficiency with a parameter count of 20,857,704 and an average FPS of 10.92. However, the accuracy level of the custom model is lower than that of the default model
Sistem Presensi Praktikum Berbasis Web Menggunakan Algoritma Brute Force Awal, Elsa Elvira; Rohana, Tatang; Munzi, Gugy Guztaman; Nurlaelasari, Euis; Tri Vicika, Vikha; Nurlaila, Diah; Laurentzia, Rini Beatrix
Innovative: Journal Of Social Science Research Vol. 4 No. 1 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i1.9160

Abstract

Penelitian ini mengusulkan dan menerapkan sistem presensi praktikum menggunakan algoritma Brute Force dengan teknologi QR Code. Algoritma Brute Force digunakan untuk menentukan kehadiran mahasiswa dengan memeriksa lokasi geografis mereka terhadap empat garis batas yang dibuat berdasarkan koordinat geografis. Penggunaan QR Code sebagai metode pemindaian memfasilitasi proses presensi dengan efisiensi dan akurasi yang tinggi. Penelitian ini melibatkan pengembangan antarmuka pengguna untuk mahasiswa dan administrator, serta evaluasi kinerja algoritma dalam skenario praktikum yang berbeda. Hasil penelitian menunjukkan bahwa algoritma Brute Force memberikan solusi yang akurat dan dapat diandalkan, dengan potensi untuk diintegrasikan dalam sistem presensi di lingkungan praktikum universitas. Saran untuk pembaruan dan optimalisasi kontinu diberikan untuk meningkatkan kinerja dan keberlanjutan sistem presensi. Penelitian ini berkontribusi pada pemahaman tentang potensi implementasi algoritma Brute Force dalam mengoptimalkan presensi mahasiswa dalam praktikum.