Universitas Syiah Kuala | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

ANALISIS KOMPARATIF FEATURE-BASED DAN CONVOLUTIONAL NEURAL NETWORK-BASED PADA…

Ahlil Ababil

Klasifikasi ekspresi wajah merupakan salah satu bidang computer vision yang memiliki tantangan dalam mengenali pola visual akibat kompleksitas karakteristik wajah dan variasi ekspresi. Penelitian ini melakukan analisis komparatif antara pendekatan Feature-based dan CNN-based untuk mengidentifikasi karakteristik masing-masing pendekatan dalam klasifikasi ekspresi wajah menggunakan dataset USK-FEMO. Pendekatan Feature-based menggunakan proses ekstraksi fitur berdasarkan karakteristik visual waj…

KNOWLEDGE DISTILLATION UNTUK PENGEMBANGAN MODEL RINGAN PADA KLASIFIKASI TANAM…

Hariririski

Klasifikasi tanaman herbal Indonesia berbasis citra membutuhkan model yang tidak hanya akurat, tetapi juga memiliki kompleksitas rendah agar dapat diterapkan pada perangkat mobile. Model deep learning berkapasitas besar umumnya mampu menghasilkan performa tinggi, tetapi memiliki jumlah parameter, ukuran penyimpanan, dan kebutuhan komputasi yang besar. Penelitian ini bertujuan menerapkan Knowledge Distillation untuk meningkatkan performa model ringan pada klasifikasi tanaman herbal Indonesia m…

PENGARUH BEBERAPA METODE NON-MAXIMUM SUPPRESSION TERHADAP KINERJA DETEKSI KEN…

SILVIANI AMANDA

Deteksi kendaraan pada lingkungan mixed-traffic merupakan salah satu komponen penting dalam pengembangan sistem transportasi cerdas. Namun, tingginya kepadatan lalu lintas dan banyaknya objek yang saling bertumpang tindih menyebabkan proses deteksi menjadi lebih kompleks. Model YOLO menggunakan Greedy Non-Maximum Suppression sebagai metode post-processing bawaan karena memiliki proses seleksi yang sederhana, tetapi penggunaan ambang batas Intersection over Union (IoU) yang bersifat statis dap…

EVALUASI KINERJA MODEL DETEKSI KENDARAAN BERBASIS YOLO MENGGUNAKAN CITRA VISU…

MUHAMMAD SYAFIQ MUZHAFFAR

Model deteksi objek merupakan komponen fundamental pada sistem persepsi kendaraan otonom, namun kinerjanya rentan mengalami degradasi pada kondisi cuaca buruk seperti hujan. Penelitian ini bertujuan menyelesaikan masalah tersebut melalui tiga tahapan utama: akuisisi dataset primer, pengembangan model deteksi berbasis YOLOv11 varian nano, serta evaluasi dan implementasi model pada perangkat edge. Tahap akuisisi menggunakan sensor termal FLIR Lepton 3.5 dengan bantuan fitur Multi-Spectral Dynam…

PENINGKATAN KINERJA MODEL KLASIFIKASI PENYAKIT DAUN CABAI MENGGUNAKAN MULTIMO…

Fitra Maulida

Tanaman cabai merupakan komoditas hortikultura penting yang produktivitasnya dapat menurun akibat serangan penyakit pada daun. Identifikasi penyakit secara manual memiliki keterbatasan karena bergantung pada pengalaman pengamat dan dapat dipengaruhi oleh kemiripan gejala antar kelas. Penelitian ini bertujuan mengembangkan model klasifikasi penyakit daun cabai menggunakan citra visual RGB dan citra termal color mapping dengan pendekatan multimodal dan semi-supervised learning. Dataset yang dig…

PEMANFAATAN PLATFORM NETWORK OPTIX UNTUK MENDETEKSI PEOPLE AREA INTRUSION PAD…

KHALIF FAIZ

Penerapan Keselamatan dan Kesehatan Kerja (K3) di lingkungan industri berisiko tinggi menghadapi tantangan besar dalam memantau area terlarang (no-stay area) secara real-time. Pengawasan manual melalui CCTV konvensional sering kali tidak efektif karena keterbatasan fokus operator manusia. Penelitian ini bertujuan untuk mengimplementasikan sistem pengawasan cerdas terintegrasi dengan menanamkan model deep learning YOLOv8 yang ringan secara langsung ke dalam platform Video Management System (VM…

PENGEMBANGAN MODEL MULTI TUGAS CNN RINGAN UNTUK KLASIFIKASI JENIS DAN KEMATAN…

Khalid Farhan

Klasifikasi otomatis jenis dan tingkat kematangan pisang secara simultan merupakan kebutuhan penting dalam mendukung sistem distribusi dan pengendalian mutu pascapanen. Penelitian ini mengusulkan model klasifikasi multi-tugas berbasis arsitektur Convolutional Neural Network (CNN) ringan dengan mengintegrasikan pendekatan hard parameter sharing, di mana MobileNetV3-Large dan EfficientNet- B0 digunakan sebagai backbone bersama yang dilengkapi dua classification head terpisah untuk memprediksi j…

IMPLEMENTASI KINERJA LOCAL CONTRAST NORMALIZATION PADA YOLOV11 UNTUK DETEKSI …

ABASSUCI

Penelitian ini mengimplementasikan teknik Local Contrast Normalization (LCN) pada arsitektur YOLOv11 Medium dalam dua pendekatan, yaitu sebagai metode preprocessing dataset dan sebagai layer yang diintegrasikan langsung ke dalam arsitektur model, untuk mengevaluasi dampak masing-masing pendekatan terhadap kinerja deteksi objek mixed traffic pada kondisi low-light illumination. Dataset yang digunakan terdiri dari 2.000 citra mixed traffic kondisi malam hari yang diambil menggunakan kamera visi…

IDENTIFIKASI OTOMATIS MATERIAL BANGUNAN TEMPAT TINGGAL MENGGUNAKAN CITRA GEOG…

Tiffany Rizkika

Sejalan dengan agenda Sustainable Development Goals (SDGs) target 11.1 yang berfokus pada akses hunian yang layak, aman, dan terjangkau, diperlukan metode pemantauan kelayakan jenis material bangunan secara otomatis, efisien, akurat, dan berbiaya rendah. Penelitian ini mengangkat use case kecerdasan artifisial pada bidang perumahan dengan tujuan mengembangkan prototype sistem identifikasi otomatis material bangunan tempat tinggal berbasis data geospasial dengan memanfaatkan teknik deep learni…

PENGEMBANGAN MODEL POTENSI ENERGI SURYA KOTA BANDA ACEH MENGGUNAKAN ARSITEKTU…

Taufan Hanafi

Peningkatan kebutuhan energi listrik mendorong pemanfaatan energi terbarukan, khususnya energi surya. Namun, sifat radiasi matahari yang fluktuatif menyebabkan ketidakpastian daya keluaran sistem fotovoltaik (PV) dan berpotensi mengganggu perencanaan operasi sistem tenaga. Oleh karena itu, diperlukan model prediksi yang akurat dan adaptif terhadap dinamika kondisi cuaca. Penelitian ini bertujuan mengembangkan model prediksi daya keluaran PV berbasis Bidirectional Long Short-Term Memory (Bi-LS…


    SERVICES DESK