Deteksi Teks Huruf Balok Pada Papan Tulis Menggunakan You Only Look Once (Yolo)

Hariyantoputera, Rifqi Alhakim (2022) Deteksi Teks Huruf Balok Pada Papan Tulis Menggunakan You Only Look Once (Yolo). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211840000055-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (34MB)

Abstract

Komunikasi merupakan suatu proses ketika seseorang atau beberapa orang, kelompok, organisasi, atau masyarakat menciptakan dan mengunakan informasi agar terhubung dengan lingkungan dan orang lain. Tulisan merupakan salah satu bentuk ragam komunikasi. Dengan adanya tulisan, suatu ide atau gagasan dapat dituangkan dan disampaikan kepada pihak lain tanpa harus berada ditempat yang sama dengan pihak lain, serta suatu ide ataupun gagasan dapat diabadikan. Dalam rangka memahami suatu dokumen, segmentasi dokumen gambar menjadi suatu bentuk kalimat merupakan langkah penting untuk memahami suatu dokumen. Tidak seperti dokumen cetak yang telah memiliki format tertentu dalam penulisannya, dokumen bertulisan tangan memiliki variasi yang sangat banyak. Inovasi pengembangan teknologi yang diterapkan pada papan tulis merupakan upaya dalam rangka meningkatkan peranan teknologi dalam Pendidikan. Berdasarkan latar belakang tersebut, diperlukan metode untuk mendeteksi dan klasifikasi teks huruf balok menggunakan YOLO untuk diterapkan pada alat smart whiteboard. Proses pembuatan model dilakukan menggunakan deep learning framework YOLOv5 dengan varian YOLOv5n, YOLOv5s, dan YOLOv5m. Validasi model dilakukan menggunakan evaluation metric yaitu mean Average Precision (mAP), precision, recall, dan confusion matrix. Pengujian model dilakukan berdasarkan beberapa skenario yaitu skenario jarak pengambilan gambar, skenario intensitas cahaya, dan skenario jenis varian model. Dari pelaksanaan penelitian ini didapatkan hasil yaitu semakin tinggi (kompleks) varian model yang digunakan maka semakin bagus hasil model yang didapatkan, namun waktu dalam proses pembuatan model akan menjadi lebih Panjang.
==============================================================================================================================
Communication is a process where a person or persons, groups, organizations, or communities create and use information to connect with the environment and other people. Writing is a form of communication. With writing, an idea can be poured and conveyed to other parties without having to be in the same place with other parties, and an idea can be immortalized. In order to understand a document, segmentation of image documents into a sentence form is an important step to understand a document. Unlike printed documents which already have a certain format in their writing, handwritten documents have very much variations. Technological development innovation applied to the blackboard is an effort to increase the role of technology in education sector. Based on this background, a method is needed to detect and classify block text using YOLO to be applied to the smart whiteboard. The model creation process is carried out using the YOLOv5 deep learning framework with YOLOv5n, YOLOv5s, and YOLOv5m variants. Model validation was carried out using the evaluation metric mean average precision (mAP), precision, recall, and confusion matrix. Model testing is carried out based on several scenarios, namely scenarios of variation of distance of image taken, variation of light intensity scenarios, and scenarios of model variants. From the implementation of this study, it was found that the higher (complex) the variant of the model used, the better the model results obtained, but the amount of time for the model to be built will also be longer.

Item Type:	Thesis (Other)
Additional Information:	RSKom 006.42 Har d-1 2022
Uncontrolled Keywords:	Deep Learning. CNN. YOLO. Smart Whiteboard. Object Detection.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	17 Jun 2026 04:20
Last Modified:	17 Jun 2026 04:20
URI:	http://repository.its.ac.id/id/eprint/133849

Actions (login required)

View Item