Catalog Detail

Perumdam Tirtawijaya Cilacap masih menerapkan pencatatan meteran air pelanggan secara manual, di mana petugas lapangan mengambil foto meteran air dan mengirimkannya kepada petugas input untuk membaca angka pada gambar dan memasukkannya ke dalam sistem manajemen informasi. Proses ini menimbulkan permasalahan efisiensi dan ketepatan waktu. Penelitian ini bertujuan mengembangkan sistem otomatis pendeteksian dan pengenalan angka meteran air berbasis deep learning sebagai solusi atas permasalahan tersebut. Sistem dibangun dengan mengintegrasikan YOLOv8 untuk mendeteksi area digit pada gambar meteran air dan PP-OCRv4 untuk mengenali nilai angka meteran. Model dikembangkan menggunakan 3.250 gambar meteran air dengan variasi kondisi visual ideal dan tidak ideal. Evaluasi kinerja dilakukan secara kuantitatif pada tahap deteksi dan pengenalan angka menggunakan metrik Precision, Recall, F1-score, mAP50–90, recognition accuracy, character accuracy, dan character error rate, serta pengujian end-to-end pada 55 gambar uji. Hasil evaluasi menunjukkan bahwa model YOLOv8 dengan optimizer Adam mencapai Precision, Recall, dan F1-score sebesar 100% serta mAP50–90 sebesar 0,95831. Model PP-OCRv4 yang dilatih menggunakan 1.000 gambar kondisi visual tidak ideal dengan optimizer AdamW menghasilkan recognition accuracy sebesar 90,90% dan character error rate sebesar 0,0151. Sistem mampu melakukan inferensi mendekati waktu nyata dengan rata-rata waktu pemrosesan 0,5 detik per gambar, sehingga efisien diterapkan pada lingkungan operasional.