2025 · Book · Koleksi Perpustakaan
Lansia merupakan individu yang telah berusia 60 tahun ke atas, yang umumnya mengalami penurunan fungsi tubuh, termasuk berkurangnya kemampuan penglihatan, termasuk dalam mengenal nominal uang kertas. Ketidakmampuan dalam mengenali nominal uang kertas dapat menimbulkan masalah, baik dalam kegiatan transaksi sehari-hari seperti berbelanja. Penelitian ini mengembangkan sistem identifikasi nilai nominal mata uang kertas rupiah untuk lansia menggunakan Convolutional Neural Network (CNN) berbasis arsitektur VGG16 dengan fitur text to speech. Dataset yang terdiri dari 7 kelas (jenis uang kertas) dengan total 4.200 citra uang kertas diambil dengan menggunakan kamera ponsel, dan kemudian dipisahkan menjadi dua skema anotasi yang masing-masing sebanyak 2.100 citra. Skema pertama dilatih berdasarkan nominal uang, sedangkan skema kedua dilatih berdasarkan keseluruhan area uang kertas. Pembagian data dilakukan dengan proporsi 70% untuk train, 20% untuk valid, dan 10% untuk test. Hasil dari proses pelatihan menunjukkan bahwa skema pertama meraih tingkat akurasi pelatihan sebesar 99,47% dan validasi sebesar 100%, sedangkan skema kedua mencatat 74,37% untuk pelatihan dan 98,45% untuk validasi. Penilaian terhadap data uji menunjukkan bahwa skema pertama menghasilkan precision, recall, dan f1-score yang mencapai 100% tanpa adanya kesalahan klasifikasi, sementara skema kedua mencapai angka 99% dengan sedikit kekeliruan pada nominal Rp10.000 dan Rp20.000. Kemudian, pengujian secara realtime yang dilakukan terhadap sepuluh orang lansia menunjukkan bahwa skema pertama lebih baik dalam mengenali uang dengan nilai Rp1.000 sampai Rp100.000, kecuali untuk Rp50.000, sedangkan skema kedua hanya mampu mengenali Rp2.000 dan Rp10.000 dengan baik. Skor System Usability Scale (SUS) yang diperoleh adalah 70,25 yang termasuk dalam kategori “baik”. Fitur text to speech beroperasi dengan baik dan dapat menyimpan secara otomatis dalam format MP3. Keterbatasan utama adalah ketergantungan CNN standar pada penempatan nominal yang tepat dan kondisi pencahayaan yang sesuai. Pengembangan lebih lanjut dengan teknologi deteksi objek seperti YOLO atau SSD diperlukan untuk meningkatkan fleksibilitas sistem dalam kondisi penggunaan nyata.
2025 · Thesis · Skripsi, Thesis, Disertasi, dan Tugas Akhir
Lansia merupakan individu yang telah berusia 60 tahun ke atas, yang umumnya mengalami penurunan fungsi tubuh, termasuk berkurangnya kemampuan penglihatan, termasuk dalam mengenal nominal uang kertas. Ketidakmampuan dalam mengenali nominal uang kertas dapat menimbulkan masalah, baik dalam kegiatan transaksi sehari-hari seperti berbelanja. Penelitian ini mengembangkan sistem identifikasi nilai nominal mata uang kertas rupiah untuk lansia menggunakan Convolutional Neural Network (CNN) berbasis arsitektur VGG16 dengan fitur text to speech. Dataset yang terdiri dari 7 kelas (jenis uang kertas) dengan total 4.200 citra uang kertas diambil dengan menggunakan kamera ponsel, dan kemudian dipisahkan menjadi dua skema anotasi yang masing-masing sebanyak 2.100 citra. Skema pertama dilatih berdasarkan nominal uang, sedangkan skema kedua dilatih berdasarkan keseluruhan area uang kertas. Pembagian data dilakukan dengan proporsi 70% untuk train, 20% untuk valid, dan 10% untuk test. Hasil dari proses pelatihan menunjukkan bahwa skema pertama meraih tingkat akurasi pelatihan sebesar 99,47% dan validasi sebesar 100%, sedangkan skema kedua mencatat 74,37% untuk pelatihan dan 98,45% untuk validasi. Penilaian terhadap data uji menunjukkan bahwa skema pertama menghasilkan precision, recall, dan f1-score yang mencapai 100% tanpa adanya kesalahan klasifikasi, sementara skema kedua mencapai angka 99% dengan sedikit kekeliruan pada nominal Rp10.000 dan Rp20.000. Kemudian, pengujian secara realtime yang dilakukan terhadap sepuluh orang lansia menunjukkan bahwa skema pertama lebih baik dalam mengenali uang dengan nilai Rp1.000 sampai Rp100.000, kecuali untuk Rp50.000, sedangkan skema kedua hanya mampu mengenali Rp2.000 dan Rp10.000 dengan baik. Skor System Usability Scale (SUS) yang diperoleh adalah 70,25 yang termasuk dalam kategori “baik”. Fitur text to speech beroperasi dengan baik dan dapat menyimpan secara otomatis dalam format MP3. Keterbatasan utama adalah ketergantungan CNN standar pada penempatan nominal yang tepat dan kondisi pencahayaan yang sesuai. Pengembangan lebih lanjut dengan teknologi deteksi objek seperti YOLO atau SSD diperlukan untuk meningkatkan fleksibilitas sistem dalam kondisi penggunaan nyata.
2023 · Book ·
Perairan Pulau Balikukup memiliki keragaman dan kepadatan lamun yang tinggi dengan substrat yang didominasi oleh pasir. Tujuan dari penelitian ini untuk mengetahui jenis tekstur sedimen, tutupan, kerapatan lamun, dan hubungan keterkaitan antara sedimen dengan lamun. Penelitian dilaksanakan pada bulan Februari-Maret 2023. Pengambilan sampel menggunakan metode purposive sampling, sedimen menggunakan sedimen core sampler dan lamun menggunakan transek kuadrat. Gradistat untuk menentukan Jenis tekstur dan parameter sedimen yang dominasi oleh pasir dengan jenis tekstur sedimen pasir berkerikil (Gravelly Sand) dan Pasir sedikit berkerikil (slightly gravelly sand). Parameter sedimen yang digunakan yaitu, Mean size, Sorting, Skewness dan Kurtosis. Jenis lamun yang ditemukan di perairan Pulau Balikukup terdiri dari Enhalus acoroides, Thalassia hemprichii, Syringodium isoetifolium, Cymodocea rotundata, Halophila ovalis dan Halodule uninervis. Kerapatan rata-rata lamun dari 8 stasiun di perairan Pulau Balikukup yang tertinggi dari jenis Halophila ovalis sebanyak 225 tegakan/m2 dan yang terendah dari jenis Enhalus acoroides sebanyak 26 tegakan/m2. Keterkaitan tutupan dan kerapatan lamun dengan tekstur sedimen di temukan hubungan yang signifikan. Parameter kualitas air juga sangat mendukung pertumbuhan lamun, parameter yang di ukur yaitu, pH, Suhu, DO, salinitas, arah dan kecepatan arus. Distribusi tekstur sedimen dengan lamun sangat bergantung pada kondisi perairan.
2023 · Thesis ·
Perairan Pulau Balikukup memiliki keragaman dan kepadatan lamun yang tinggi dengan substrat yang didominasi oleh pasir. Tujuan dari penelitian ini untuk mengetahui jenis tekstur sedimen, tutupan, kerapatan lamun, dan hubungan keterkaitan antara sedimen dengan lamun. Penelitian dilaksanakan pada bulan Februari-Maret 2023. Pengambilan sampel menggunakan metode purposive sampling, sedimen menggunakan sedimen core sampler dan lamun menggunakan transek kuadrat. Gradistat untuk menentukan Jenis tekstur dan parameter sedimen yang dominasi oleh pasir dengan jenis tekstur sedimen pasir berkerikil (Gravelly Sand) dan Pasir sedikit berkerikil (slightly gravelly sand). Parameter sedimen yang digunakan yaitu, Mean size, Sorting, Skewness dan Kurtosis. Jenis lamun yang ditemukan di perairan Pulau Balikukup terdiri dari Enhalus acoroides, Thalassia hemprichii, Syringodium isoetifolium, Cymodocea rotundata, Halophila ovalis dan Halodule uninervis. Kerapatan rata-rata lamun dari 8 stasiun di perairan Pulau Balikukup yang tertinggi dari jenis Halophila ovalis sebanyak 225 tegakan/m2 dan yang terendah dari jenis Enhalus acoroides sebanyak 26 tegakan/m2. Keterkaitan tutupan dan kerapatan lamun dengan tekstur sedimen di temukan hubungan yang signifikan. Parameter kualitas air juga sangat mendukung pertumbuhan lamun, parameter yang di ukur yaitu, pH, Suhu, DO, salinitas, arah dan kecepatan arus. Distribusi tekstur sedimen dengan lamun sangat bergantung pada kondisi perairan.
