UGMUGM

Journal of Internet and Software EngineeringJournal of Internet and Software Engineering

Monumen Pers Nasional memiliki salah satu layanan yang menyediakan informasi bahan-bahan, dokumen-dokumen, artefak-artefak dan sejarah pers nasional yang dapat digunakan untuk pembelajaran. Untuk memudahkan akses data, artefak dan koleksi lainnya, Monumen Pers Nasional membangun Sistem Informasi Database Koleksi (SIDAK) dengan penerapan teknologi Object Character Recognition (OCR). Namun dalam penerapannya teknologi OCR yang dibangun kerap kali menghasilkan data yang kurang akurat dalam proses ekstraksi data dari koleksi surat kabar. Salah satu solusi yang digunakan untuk mengatasi permasalahan ini adalah dengan mengadopsi metode deteksi judul dan konten menggunakan You Only Look Once (YOLO) dengan model YOLOv8m. Dengan melakukan analisis perbandingan optimizer menggunakan data koleksi surat kabar yang diperoleh dari Museum Monumen Pers Nasional, hasil optimizer paling baik akan diimplementasikan pada purwarupa aplikasi berbasis website. Adapun optimizer yang dianalisis adalah Stocasthic Gradient Descent (SGD), Adaptive Moment Estimation (Adam), Adam with Weight Decay (AdamW). Hasil analisis menunjukkan optimizer AdamW mengungguli SGD dan Adam dalam nilai f1-score tertinggi dengan nilai tertinggi 0,879 dan mAP@50 dengan nilai 0,896, sehingga diimplementasikan pada purwarupa aplikasi. Kemudian purwarupa diuji menggunakan User Acceptance Test acuan Skala Likert dan mendapatkan nilai 84,8% kategori sangat baik, sehingga dapat membantu dalam melakukan ekstraksi informasi judul dan isi pada surat kabar di Monumen Pers Nasional.

Model YOLOv8m yang dilatih dengan dataset surat kabar dan optimizer AdamW menunjukkan performa terbaik dalam hal presisi, f1-score, dan matriks konfusi.Implementasi pada purwarupa aplikasi berbasis website berhasil meningkatkan akurasi ekstraksi judul dan isi surat kabar.Hasil pengujian UAT menunjukkan kategori sangat baik dengan skor 84,8%.Rekomendasi untuk penelitian selanjutnya meliputi penggunaan dataset yang lebih besar, eksplorasi hyperparameter yang lebih mendalam, serta evaluasi performa dengan model deteksi layout yang lebih mutakhir.

1. Mengeksplorasi penggunaan optimizer lain seperti RMSprop atau Adagrad untuk meningkatkan akurasi deteksi pada dataset yang lebih beragam. 2. Mengembangkan model berbasis YOLO untuk menangani jenis dokumen lain selain surat kabar, seperti laporan keuangan atau dokumen hukum. 3. Menerapkan teknik preprocessing lanjutan, seperti augmentasi gambar atau normalisasi layout, untuk meningkatkan konsistensi hasil ekstraksi teks pada surat kabar dengan tata letak yang kompleks.

  1. Client Challenge. client challenge javascript disabled browser please enable proceed required part site... doi.org/10.1007/s10032-021-00382-4Client Challenge client challenge javascript disabled browser please enable proceed required part site doi 10 1007 s10032 021 00382 4
Read online
File size691 KB
Pages8
DMCAReport

Related /

ads-block-test