Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penggunaan Kartu Tanda Penduduk (KTP) sebagai kartu identitas aplikasi sudah umum diimplementasikan, terutama pada sektor teknologi finansial (fintech) yang sudah banyak diadopsi masyarakat. Meskipun begitu, modul ekstraksi data dari KTP yang bersifat terbuka (open source) dan siap guna belum tersedia. Penelitian ini memiliki tujuan membuat modul tersebut, untuk penggunaan penelitian dan/atau membantu bisnis startup dengan memberikan opsi gratis perihal ekstrak data KTP pelanggan mereka. Penelitian ini juga dibuat dengan harapan dapat menggunakan penelitian sebelumnya sebagai pembelajaran dan referensi, dan memperbaiki kekurangan penelitian tersebut.Modul ini memiliki bentuk akhir docker image yang dapat digunakan langsung dengan utilisasi docker engine, dengan harapan proses kontainerisasi tersebut dapat mempermudah layanan - layanan yang menggunakan container orchestration seperti kubernetes, yang sangat umum digunakan e-commerce, untuk mengadopsi modul ini. Data dari gambar KTP akan melalui tahap preprocessing, pengenalan karakter, pengelompokan data, dan pembersihan data. Hasil eksperimen menggunakan 30 sampel KTP asli menunjukkan bahwa penggunaan masukan yang sudah ter crop lebih baik karena tingkat keberhasilan otomasi cropping hanya 43,3%. Selain itu, dari hasil bacaan pada sampel 75% berhasil terbaca dan dikelompokkan dengan tepat. Dari data yang sudah berhasil dibaca dan dikelompokan, 17% value dari data mengandung kesalahan. Dari kesalahan yang terjadi, 52.94% kesalahan berhasil dikoreksi oleh algoritma pembersihan data. Secara keseluruhan sistem berhasil membaca dengan tingkat keberhasilan 74,6%

---

The use of Indonesian Citizen’s Identity Cards (KTP) as Identifiers in apps has been commonly implemented in apps, particularly those that work in the financial technology (fintech) sector, something that the masses have adopted to use in recent years. Despite this, an open (open source) and free module for Identity Card data extraction isn’t available for immediate use. This research aims to make such a module, with the intent to help research and/or small businesses and startups by giving them a solution in the form of a free and ready to use identity card data extraction module. This paper also aims to learn from past papers, and hopefully improve upon them on some aspects.

This module will take the form of a docker image that can immediately be used as a standalone container with the use of docker engine. With this containerization approach, we hope that services using container orchestration such as kubernetes, a very commonly used platform used by e-commerces, will have an easier time adopting this module. Data from Identity Cards will go through several stages, including preprocessing, character recognition, data classification, and data cleaning. Experiments using 30 real life Identity Card samples resulted in cropped input being better since cropping automation only resulted in 43,3% success rate. The experiment also found that the reading and categorizing success rate are 75%.Out of all the categorized data, 17% of the values contained inaccuracies, 52.94% of which were successfully corrected by the cleaning algorithm. Overall, the system successfully extracted 74,6% of the data."

"Beberapa tahun terakhir teknologi di bidang computer vision mengalami kemajuan yang signifikan. Aplikasi teknologi ini merambat ke banyak area perkembangan teknologi lainnya, salah satunya dalam teknologi search engine untuk mempermudah pengguna mencari tanpa perlu mengetik. Salah satu implementasi dari konsep ini adalah aplikasi Google Lens oleh Google. Penelitian ini melihat dua dari tujuh fitur utama dalam aplikasi tersebut, translate dan homework. Fitur translate bertujuan untuk mempermudah pengguna dalam mencari translasi suatu teks ke bahasa lain tanpa perlu mengetik teks awal, melainkan menggunakan kamera pengguna untuk menangkap teks awal dan langsung diterjemahkan dan ditampilkan pada pengguna. Fitur homework melakukan hal yang sama, namun bertujuan untuk membantu mencari solusi pertanyaan yang biasa merupakan pekerjaan rumah siswa. Melalui pengujian akurasi optical character recognition (OCR) didapatkan bahwa fitur translate pada Google Lens, memiliki nilai akurasi lebih dari 0.99 ketika melihat potongan teks pengetikan dan 0.96 pada teks tulisan tangan dalam berbagai bahasa. Serta hasil translasi memiliki rata-rata nilai 9.2 untuk semua bahasa yang diuji. Fitur homework memiliki nilai akurasi OCR 0.99 untuk semua jenis soal, dan mampu menjawab 310 soal dari total 353. Hasil ini mennunjukan bahwa, untuk kedua fitur yang diuji, Google Lens memiliki potensial untuk digunakan dalam kehidupan sehari-hari. Hal ini terlihat pada bagian wawancara 20 responden, di mana 84.2% yakin akan kembali menggunakan aplikasi Google Lens untuk kedua fitur tersebut.

---

In recent years, there have been significant advancements in computer vision technology. This technology has spread to various other areas of technological development, includ- ing search engine technology to facilitate user searches without the need for typing. One implementation of this concept is the Google Lens application developed by Google. This study focuses on two out of seven main features of the application: translate and homework. The translate feature aims to facilitate users in searching for translations of a text into another language without the need for typing the original text. Instead, it utilizes the user’s camera to capture the original text and immediately translate and display it to the user. The homework feature performs a similar function, but it is designed to assist in finding solutions to commonly assigned homework questions. Through accuracy testing of optical character recognition (OCR), it was found that the translate feature of Google Lens achieved an accuracy score of over 0.99 when examining typed text and 0.96 for handwritten text in various languages. Additionally, the translation results had an average score of 9.2 for all tested languages. The homework feature achieved an OCR accuracy score of 0.99 for all types of questions and was able to answer 310 out of a total of 353 questions. These results demonstrate that Google Lens has the potential for everyday use in both tested features. This is supported by the interview section of 20 respondents, where 84.2% of the respondents expressed confidence in using the Google Lens application again for both features."

"Beberapa tahun terakhir teknologi di bidang computer vision mengalami kemajuan yang signifikan. Aplikasi teknologi ini merambat ke banyak area perkembangan teknologi lainnya, salah satunya dalam teknologi search engine untuk mempermudah pengguna mencari tanpa perlu mengetik. Salah satu implementasi dari konsep ini adalah aplikasi Google Lens oleh Google. Penelitian ini melihat dua dari tujuh fitur utama dalam aplikasi tersebut, translate dan homework. Fitur translate bertujuan untuk mempermudah pengguna dalam mencari translasi suatu teks ke bahasa lain tanpa perlu mengetik teks awal, melainkan menggunakan kamera pengguna untuk menangkap teks awal dan langsung diterjemahkan dan ditampilkan pada pengguna. Fitur homework melakukan hal yang sama, namun bertujuan untuk membantu mencari solusi pertanyaan yang biasa merupakan pekerjaan rumah siswa. Melalui pengujian akurasi optical character recognition (OCR) didapatkan bahwa fitur translate pada Google Lens, memiliki nilai akurasi lebih dari 0.99 ketika melihat potongan teks pengetikan dan 0.96 pada teks tulisan tangan dalam berbagai bahasa. Serta hasil translasi memiliki rata-rata nilai 9.2 untuk semua bahasa yang diuji. Fitur homework memiliki nilai akurasi OCR 0.99 untuk semua jenis soal, dan mampu menjawab 310 soal dari total 353. Hasil ini menunjukkan bahwa, untuk kedua fitur yang diuji, Google Lens memiliki potensial untuk digunakan dalam kehidupan sehari-hari. Hal ini terlihat pada bagian wawancara 20 responden, di mana 84.2% yakin akan kembali menggunakan aplikasi Google Lens untuk kedua fitur tersebut.

---

In recent years, there have been significant advancements in computer vision technology. This technology has spread to various other areas of technological development, including search engine technology to facilitate user searches without the need for typing. One implementation of this concept is the Google Lens application developed by Google. This study focuses on two out of seven main features of the application: translate andhomework. The translate feature aims to facilitate users in searching for translations of a text into another language without the need for typing the original text. Instead, it utilizes the user’s camera to capture the original text and immediately translate and display it to the user. The homework feature performs a similar function, but it is designed to assist in finding solutions to commonly assigned homework questions. Through accuracy testing of optical character recognition (OCR), it was found that the translate feature of Google Lens achieved an accuracy score of over 0.99 when examining typed text and 0.96 for handwritten text in various languages. Additionally, the translation results had an average score of 9.2 for all tested languages. The homework feature achieved an OCR accuracy score of 0.99 for all types of questions and was able to answer 310 out of a total of 353 questions. These results demonstrate that Google Lens has the potential for everyday use in both tested features. This is supported by the interview section of 20 respondents, where 84.2% of the respondents expressed confidence in using the Google Lens application again for both features."

"Kombinasi thumbnail dan judul pada portal berbagi video sangat berguna untuk memberikan gambaran mengenai isi video. Tetapi, terdapat juga thumbnail yang bersifat clickbait yang lebih bertujuan memancing masyarakat untuk menonton video. Bahkan terdapat clickbait thumbnail yang dibuat untuk menyesatkan masyarakat dengan agenda untuk membangun opini tertentu. Untuk membatasi variasi pada dataset permasalahan dipersempit pada clickbait thumbnail yang mengandung ujaran kebencian terhadap dai. Thumbnail yang dipilih sebagai dataset terdiri dari foto satu orang atau lebih dengan disertai teks narasi. Dari thumbnail diperoleh informasi berupa identitas individu dengan menggunakan face recognition dan teks narasi dengan menggunakan optical character recognition. Untuk mengolah teks narasi dari thumbnail dan judul video digunakan teknik analisis sentimen. Dibangun model machine learning dengan data yang diperoleh dari identitas, teks narasi dan judul video dengan menggunakan model SVM. Evaluasi terhadap model machine learning dilakukan dengan validasi silang 5-fold. Evaluasi menghasilkan akurasi 0.968, sensitivitas 0.968, nilai presisi 0.9698 dan F1-Score 0.967.

---

The combination of thumbnails and titles on video sharing portals is effective for providing an overview of the content of the video. However, there are also clickbait thumbnails that are more intended to lure people into watching the videos. There are even clickbait thumbnails created to mislead the public with an agenda to build a particular opinion. To limit the variation in the dataset the problem was narrowed down to clickbait thumbnails containing hate speech against dai. Thumbnails selected as datasets consist of photos of one or more people accompanied by narrative text. From the thumbnails, information is obtained in the form of individual identities using face recognition and narrative texts using optical character recognition. To process narrative text from thumbnails and video titles, sentiment analysis techniques are used. A machine learning model was built with data obtained from identity, narration text, and video titles using the SVM model. Evaluation of the machine learning model is carried out with 5-fold cross-validation. The evaluation resulted in an accuracy of 0.968, a sensitivity of 0.968, a precision value of 0.9698, and an F1-Score of 0.967"

"Jumlah kendaraan yang digunakan manusia dalam bertransportasi di dunia semakin meningkat baik kendaraan roda empat maupun kendaraan roda dua, tidak terkecuali di Indonesia. Ini membuat semakin sulitnya pengidentifikasian pelanggaran lalu lintas yang dilakukan pengendara. Pendeteksi plat nomor otomatis merupakan suatu sistem teknologi yang memiliki kemampuan untuk mendeteksi, mengenali, dan menyimpan plat nomor kendaraan melalui kamera, pemroresan citra, dan kecerdasan buatan. Di dalam penelitian ini akan dikembangkan metode pendeteksi plat nomor menggunakan YOLOv8 dan MobileNetV2 pada framework Mediapipe yang ditanam pada sistem Android pada gawai. Plat nomor yang telah terdeteksi kamera gawai dikenali karakternya menggunakan Optical Character Reader (OCR) kemudian disalin dan dimasukkan ke situs SAMSAT setempat untuk diidentifikasi. Informasi yang tersaji pada situs SAMSAT dapat digunakan sebagai informasi untuk memvalidasi keabsahan kendaraan oleh pihak yang berwenang. Waktu inferensi yang diperlukan untuk mengidentifikasi plat nomor mencapai 350 ms detik pada gawai dengan spesifikasi Snapdragon 695 dan RAM 11 GB. Akurasi model deteksi plat kendaraan diuji dengan split test dataset yang menghasilkan akurasi sebesar 96%. Selain itu, model juga diuji dengan pengujian keandalan dengan melakukan simulasi aplikasi pada beberapa variasi kondisi seperti jenis plat, waktu pengujian, dan jarak yang menghasilkan akurasi rata-rata 81%. Implementasi sistem ini pada perangkat Android memberikan manfaat gawai yang lebih besar bagi pihak yang berkepentingan. Untuk memastikan implementasinya secara realtime, sistem harus efisien, kompleksitas komputasi yang rendah, dan skalabilitas yang tinggi.

---

The number of vehicles used for transportation in the world is increasing, both fourwheeled vehicles and two-wheeled vehicles, including in Indonesia. This makes it increasingly difficult to identify traffic violations committed by drivers. Automatic number plate detection is a technology that has the ability to detect, recognize and store vehicle number plates through cameras, image processing and artificial intelligence. In this research, a number plate detection method will be developed using YOLOv8 and Mediapipe which are embedded in the Android system on the device. The character of the number plate that has been detected by the device camera is identified using an Optical Character Reader (OCR), then copied and entered into the local SAMSAT site for identification. The information presented on the SAMSAT website can be used as information to validate the data of the vehicle by the authorized parties. The inference time required to identify number plates reaches 350 ms seconds on a device with Snapdragon 695 specifications and 11 GB RAM. The accuracy of the vehicle plate detection model was tested using a split test dataset which resulted in an accuracy of 96%. Apart from that, the model was also tested using reliability testing by simulating the application under several variations of conditions such as plate type, testing time and distance which resulted in an average accuracy of 81%.Implementation of this system on Android devices provides greater device benefits for interested parties. To ensure its real-time implementation, the system must be efficient, low computational complexity, and high scalability."

"ABSTRAKTanah air kita, Indonesia, yang terbentang luas dari Sabang sampai Merauke memiliki kekayaan sumber daya alam yang belum seluruhnya dimanfaatkan dengan optimum. Sebagai warga negara, telah sepantasnyalah kita berusaha memanfaatkannya semaksimal mungkin untuk meningkatkan kemakmuran bangsa. Dari bermacam sumber daya tersebut, tanah gambut masih menjadi perbincangan hingga saat ini. Tanah gambut ini tersebar di daerah Irian, Selatan Kalimantan dan Timur Sumatera. Pada tugas akhir ini kami menggunakan contoh tanah gambut di daerah Kalimantan Tengah tepatnya di tepi Ruas Jalan Palangkaraya-Kuala Kapuas km.3 5, Desa Bereng Bengkel. Hal ini dihubungkan dengan Proyek Peningkatan Jalan Bereng Bengkel - km 35. Tanah gambut merupakan tanah yang mempunyai kandungan organik dan kadar air yang tinggi, yang terbentuk dari fragmen-fragmen material organik yang berasal dari tumbuh-tumbuhan yang dalam proses pembusukan menjadi tanah, yang telah berubah sifatnya secara kimiawi dan telah menjadi fosil, dimana tanah ini sangat buruk untuk mendukung beban konstruksi yang dapat menyebabkan kegagalan proyek-proyek infi-astruktur dalam bidang teknik sipil yang berkaitan dengan masalah kestabilan bangunan. Tanah gambut mempunyai perilaku yang berbeda dibandingkan tanah lempung, karena konsolidasi pada gambut merupakan proses pemampatan yang lama. Hal ini dikarenakan karena gambut memiliki kadar air dan daya rembes yang tinggi serta adanya proses dekomposisi yang terjadi pada serat-serat organik oleh kegiatan bakteri mikrobiologi. Konsolidasi merupakan salah satu aspek yang penting yang harus ditinjau dalam mekanika tanah dan penurunan merupakan salah satu kriteria penting dalam desain konstruksi selain kapasitas daya dukung tanah dasar. Oleh karena itu penelitian terhadap sifat, perilaku, dan karakteristik konsolidasi yang dimiliki gambut periu dilakukan. Pada penelitian ini digunakan alat konsolidasi Sel Rowe atau Oedometer untuk pengujian konsolidasi satu dimensi di mana kondisi regangan lateral nol mutlak ada. Dengan drainasi vertikal satu arah dapat diukur penurunan yang terjadi pada sampel serta perubahan tekanan air pori di dasar sel. Pembebanan dengan Over Consolidated Ratio (OCR) 3 dan 4 dilakukan pada benda uji selama 24 jam pada setiap kenaikan beban dan dilakukan pada kondisi saturasi penuh dan saturasi sebagian. Analisa yang digunakan untuk pengujian ini menggunakan model reologi Gibson dan Lo yang telah diadopsi oleh Edil dan Dhowian untuk mendapatkan karakteristik konsolidasi gambut. Parameter yang dianalisa yaitu parameter pemampatan primer, pemampatan sekunder, dan faktor kecepatan pemampatan sekunder. Dilakukan pula analisa terhadap kompresibilitas dan perilaku pemampatannya pada berbagai kondisi pembebanan dan kejenuhan tanah gambut tersebut.

---

"

"

Aksara Pegon adalah sistem penulisan berbasis Arab yang digunakan untuk menulis bahasa Jawa, Sunda, Madura, dan Indonesia. Karena berbagai alasan, aksara ini telah diturunkan ke ranah kolektor naskah sejarah dan pesantren, sehingga perlu dilestarikan. Salah satu metode pelestarian ini adalah melalui digitalisasi; lebih tepatnya dengan mentranskripsikan isi dari naskah-naskah yang ada ke dalam bentuk teks machine encoded, dimana proses tersebut jika dilakukan secara otomatis disebut juga sebagai OCR, atau Pengenalan Karakter Optik. Sampai saat ini belum ada literatur yang dipublikasikan mengenai sistem OCR untuk aksara ini. Oleh karena itu, penelitian ini bertujuan untuk menjembatani kesenjangan tersebut dengan menyediakan OCR untuk subset tertentu dari naskah Pegon, yaitu naskah Pegon yang dicetak. Penelitian ini memperkenalkan dataset yang disintesis dan yang dianotasi untuk pengenalan teks Pegon cetak. Dataset-dataset ini kemudian digunakan untuk mengevaluasi sistem OCR Arab konvensional yang sudah ada pada domain Pegon, baik versi asli maupun yang dimodifikasi, serta sistem berbasis teknik deep learning yang lebih baru dalam literatur. Hasilnya menunjukkan bahwa teknik deep learning mengungguli teknik konvensional, di mana teknik konvensional gagal mendeteksi teks Pegon sama sekali, sementara sistem yang diusulkan, khususnya menggunakan YOLOv5 untuk segmentasi baris dan arsitektur CTC-CRNN untuk pengenalan teks baris, mencapai nilai F1 sebesar 0,94 untuk segmentasi dan CER 0,03 untuk pengenalan teks.

---

The Pegon script is an Arabic-based writing system intended for writing the Javanese,

Sundanese, and Indonesian languages. Due to various reasons, this script has been

relegated to the domain of historical manuscript collectors and private Islamic boarding

schools or pesantren, presenting a need for preservation. One of these methods of

preservation is through digitization; more specifically, by transcribing the content of

these existing manuscripts into machine-encoded text, the automated process of which is

referred to as OCR. There has been heretofore no published literature on OCR systems

for this specific script. Hence, this research aims to bridge that gap by providing a

foray into the OCR of a specific subset of Pegon manuscripts, namely of printed Pegon

manuscripts. This research evaluates existing and modified versions of conventional

Arabic OCR systems on the domain of Pegon, as well as the more recent deep learning

techniques in the literature, along with introducing new datasets for use in developing

with said deep learning techniques. The results show the outperformance of these deep

learning techniques over the conventional techniques and with which components of a

Pegon OCR system is proposed.

"

"Rele sebagai alat pendeteksi adanya gangguan yang selanjutnya memberi perintah trip kepada pemutus tenaga (PMT). Rele digunakan pada daerah pengaman Gardu Induk disisis 20 kV di Penyulang untuk mengatasi adanya gangguan hubung singkat yang terjadi karena adanya gangguan yang bersifat temporer atau permanen. Oelh karena itu pentingnya kinerja settingan koordinasi rele antara Over Current Relay (OCR) dan GFR (Ground Fault Relay) agar tidak menyebabkan kerusakan pada peralatan akibat gangguan hubung singkat terjadi. Arus gangguan hubung singkat yang terjadi di Penyulang Banteng adalah sebesar 3835,086 Ampere pada arus gangguan tiga fasa, sedangkan arus gangguan terkecil terjadi saat arus gangguan satu fasa ke tanah di saluran penyulang sebesar 231,0788 Ampere. Sedangkan set PLN didapat, arus setelan (Iset) sebesar 231,079 A dengan Tms 0,10 sedangkan untuk setelan rele diisi incoming di dapat arus setelan (Iset) sebesar 37 A dengan Tms 0,26 dari data set PLN arus setelan (Iset) disisi penyulang 241,5 A dengan Tms 0,122 dan sisi incoming arus setelan (Iset) 573,3 A. Berdasarkan hasil diatas dapat disimpulkan bahkan kooridnasi antara OCR dan GFR sudah cukup selektifitas dan hadnal dalam kinerja rele. Dan dari hasil perhitungan terjadi perbedaan selisih waktu kerja rele yang cukup lama dan mempengaruhi kinerja rele unutk mentripkan dalam jeda waktu 1.33 detik. BErdasarkan perhitungan tersebut semakin besar arus gangguan terjadi akan semakin lama pula waktu rele tersebut bekerja mentripkan ke PMT. Jika dibiarkan arus gangguan tersebut membesar terllau lama maka arus gangguan tersebut merusak peralatan pada transformator."

"Seiring berkembangnya teknologi informasi yang mulai merambah ke sektor ekonomi menyebabkan banyak bermunculan penyedia layanan dompet digital di Indonesia. DOKU sebagai salah satu penyedia layanan dompet digital ingin terus berinovasi untuk meningkatkan kepuasan pelanggan. Proses verifikasi data diri yang membutuhkan waktu lama karena harus dilakukan secara manual kini menjadi persoalan. Fokus penelitian ini adalah untuk mengembangkan sebuah aplikasi mobile cross platform yang dapatdigunakan untuk mengekstrak data dari gambar kartu idenitas pengguna DOKU agar proses verifikasi data dapat dilakukan secara otomatis. Arsitektur dari aplikasi terdiri dari aplikasi mobile menggunakan Flutter dan webservice menggunakan Flask. Proses ekstraksi data dari gambar kartu identitas dilakukan menggunakan Tesseract-OCR. Hasil ekstraksi data akan diprediksi menggunakan model LSTM untuk dapat dilakukan verifikasi lanjutan. Hasil eksperimen menunjukkan akurasi pengenalan karakter dari gambar kartu identitas sebesar 77.45% dan akurasi prediksi kategori sebesar 88%. Dengan demikian aplikasi ini dapat digunakanuntuk menyelesaikan masalah verifikasi data pengguna.

---

The development of information technology has penetrated the economic sector causing many digital wallet service providers to appear in Indonesia. DOKU as one of the digital wallet service providers wants to innovate to increase customer satisfaction. The process of verifying personal data which takes a long time because it has to be done manually is now a problem. The focus of this research is to develop cross-platform mobile applications that can be used to extract data from DOKU user identity card images so that the data verification process can be done automatically. The application architecture consists of mobile applications using Flutter and web services using Flask. The data extraction process from the identity card image is done using Tesseract-OCR. The results of data extraction will be predicted using the LSTM model for the further verification process. The experimental results show that the accuracy of character recognition from the identity card images is 77.45% and the category prediction accuracy is 88%. Thus this application can be used to resolve user data verification issues."