Klasifikasi Gambar Catat Meter Menggunakan Convolutional Neural Network

Tias Novika Haryanti

Abstract


Listrik merupakan kebutuhan pokok manusia dalam menjalankan setiap kegiatan, yang pemakaiannya dapat diukur menggunakan KWH Meter. Di Indonesia pelanggan listrik dibagi menjadi dua yaitu Prabayar dan Pascabayar. Pelanggan listrik pascabayar memerlukan pencatatan angka yang tertulis pada KWH meter untuk mengetahui rupiah tagihan listrik yang harus dibayarkan. Dalam pelaksanaan pencatatan angka tersebut, tidak jarang ditemukan kendala seperti pagar rumah pelanggan yang terkunci sehingga petugas tidak berhasil memotret angka stan meter. Oleh karena itu PLN rutin melakukan validasi atas keseluruhan data pencatatan meter. Penelitian ini bertujuan untuk memvalidasi data catat meter yang berupa gambar dan diklasifikasikan kedalam tiga kelas menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur Resnet34. Pada penelitian ini mendapat hasil tingkat akurasi tertinggi sebesar 97.50%.

 

Kata Kunci: Listrik, KWH, Klasifikasi, CNN, Resnet34.


Full Text:

PDF

References


A. Santoso and G. Ariyanto, “Implementasi Deep Learning berbasis Keras untuk Pengenalan Wajah,” Emit. J. Tek. Elektro, vol. 18, no. 1, pp. 15–21, 2018, doi: 10.23917/emitor.v18i01.6235.

S. R. Suartika E. P, I Wayan, Wijaya Arya Yudhi, “Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, p. 76, 2016, [Online]. Available: http://repository.its.ac.id/48842/.

L. H. Ganda and H. Bunyamin, “Penggunaan Augmentasi Data pada Klasifikasi Jenis Kanker Payudara dengan Model Resnet-34,” J. Strateg., vol. 3, no. 1, pp. 187–193, 2021.

A. Ridhovan and A. Suharso, “Penerapan Metode Residual Network (Resnet) Dalam Klasifikasi Penyakit Pada Daun Gandum,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 1, pp. 58–65, 2022, doi: 10.29100/jipi.v7i1.2410.




DOI: https://doi.org/10.24114/j-ids.v1i2.42454

Article Metrics

Abstract view : 288 times
PDF - 224 times

Refbacks

  • There are currently no refbacks.


Journal of Informatics and Data Science (J-IDS)

ISSN (Online) : 2964-0415

Published By Computer Science Study Program, Faculty of Mathematics and Natural Sciences, Universitas Negeri Medan.

Website: https://jurnal.unimed.ac.id/2012/index.php/jids/index

Email : jids@unimed.ac.id

This work is licensed under a Creative Commons Attribution 4.0 International License.

slot gacor slot