IMPLEMENTASI DETEKSI OBJEK SECARA REAL-TIME BERBASIS MOBILENETV2 UNTUK AUGMENTED REALITY USER MANUAL

Albertus Adrian Susanto (2023) IMPLEMENTASI DETEKSI OBJEK SECARA REAL-TIME BERBASIS MOBILENETV2 UNTUK AUGMENTED REALITY USER MANUAL. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71190494_bab1_bab5_daftarpustaka.pdf Download (4MB)
	Text (Skripsi Informatika) 71190494_bab2 sd bab4_lampiran.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

User manual dapat membantu pengguna dalam memahami petunjuk terkait komponen maupun penggunaan suatu produk. Namun, user manual berbasis kertas masih dinilai rumit dan memakan waktu. Selain itu, user manual tersebut berpotensi untuk hilang atau rusak. Di sisi lain, PT. Miland Cipta Usaha sebagai perusahaan yang bergerak di bidang wall display sering sekali mengalami kesulitan pada saat melakukan demonstrasi karena produk yang ditawarkan ke klien tergolong besar dan berat. Berdasarkan permasalahan tersebut, penelitian ini dilakukan untuk mengembangkan aplikasi user manual dengan menggabungkan teknologi Augmented Reality (AR) dan Machine Learning (ML). Teknologi AR digunakan untuk meningkatkan pengalaman pengguna selama menggunakan aplikasi, sedangkan teknologi ML digunakan untuk mengenali produk. Aplikasi akan dikembangkan menggunakan metode Multimedia Development Life Cycle (MDLC). Selain itu, penelitian ini akan menguji model yang dihasilkan oleh arsitektur MobileNetV2 dengan metode confusion matrix, sedangkan usability dari AR diuji menggunakan metode cognitive walkthrough. Kedua pengujian tersebut dilakukan untuk mengetahui efektivitas dari aplikasi yang dihasilkan sebagai user manual. Hasil pengujian menggunakan confusion matrix menunjukan model berhasil mencapai akurasi sebesar 0,7875 diikuti dengan nilai presisi sebesar 1 (satu), nilai recall sebesar 0,575, dan rata-rata tingkat kepercayaan (confidence) sebesar 0,775. Selain itu, hasil perbaikan AR berdasarkan metode cognitive walkthrough berhasil meningkatkan rata-rata persentase task sukses tanpa bantuan dari yang awalnya 47,67% menjadi 100% diikuti dengan penurunan jumlah kesalahan dari yang awalnya sebanyak 36 kali menjadi 16 kali. Berdasarkan hasil pengujian model dan usability AR tersebut, aplikasi yang dihasilkan dalam penelitian ini dinilai efektif untuk menggantikan user manual berbasis kertas.

Actions (login required)

View Item