Sidang Progress Tugas Akhir ini menampilkan 3 karya Tugas Akhir, yaitu:


Klasifikasi Tumor Otak Pada Citra Magnetic Resonance Imaging Menggunakan Convolutional Neural Network Berbasis Web


Perkembangan teknologi terutama dalam bidang pembelajaran komputer atau machine learning sangat luar biasa. CNN (Convolutional Neural Network) menjadi salah satu arsitektur dalam machine learning yang banyak digunakan. Pada Tugas Akhir ini, mahasiswa mengembangkan model machine learning yang dapat melakukan klasifikasi jenis tumor otak berdasarkan hasil MRI (Magnetic Resonance Imaging). Jenis tumor otak yang akan di pelajari oleh machine learning adalah Glioma, Pituitary, Meningioma, dan Notumor. Proses pelatihan model akan menggunakan beberapa metode berbeda, seperti pemilihan hyperparameter dan proses pengolahan dataset. Model terbaik berdasarkan akurasi akan dipilih  untuk kemudian di integrasikan dengan website yang diharapkan memberikan kemudahan kepada user untuk bisa mengakses model machine learning yang sudah dilatih. Pada website tersebut, user dapat melakukan pemindaian jenis tumor otak berdasarkan hasil citra MRI.





Sistem Pembacaan Deretan Empat Angka Secara Computer Vision Melalui Deteksi Gesture Jari Tangan Menggunakan Mediapipe


Computer vision adalah salah satu cabang kecerdasan buatan yang menangani masalah citra memiliki kemampuan untuk meniru visual manusia. Object detection adalah salah satu dari banyak subbidang yang berada di bawah payung Computer Vision dimana kamera akan merekam gambar analog dan mengubahnya menjadi digital untuk diproses komputer menggunakan Computer Vision. MediaPipe adalah sebuah framework open-source yang dikembangkan oleh Google untuk memproses dan menganalisis data media, terutama video dan gambar, secara real-time. Dengan MediaPipe dapat mendeteksi dan melacak tangan serta jari. Tugas Akhir ini memanfaatkan Computer Vision dan MediaPipe untuk mendeteksi gesture jari tangan menggunakan kamera laptop dan untuk mengetahui seberapa akurat sistem dalam mengenali gesture jari tangan serta pada jarak manakah sistem mampu mengenali gesture jari tangan. Untuk hasil dari percobaan sudah dapat mendeteksi gesture jari tangan, fps dan dapat menampilkan deretan empat angka hasil deteksi gesture jari tangan pada layar laptop serta dapat mereset tampilan deretan empat angka hasil deteksi pada layar laptop.





Sistem Kendali Dan Monitoring Penyiraman Taman  Otomatis Berbasis IoT


Penggunaan teknologi IoT dalam sistem kendali dan monitoring penyiraman taman kota dan taman jalan memberikan solusi yang efisien dan efektif untuk perawatan taman. Sistem ini bekerja dengan cara mendeteksi kelembaban tanah dan mengaktifkan pompa sesuai kebutuhan:
  • Pada taman kota, jika kelembaban tanah turun hingga <=30%, pompa menyala dan akan mati setelah kelembaban mencapai >=80%.
  • Pada taman jalan, penyiraman dilakukan sesuai jadwal pukul 07.00 dan 16.00. Jika kelembaban tanah sudah mencapai 80% atau lebih pada waktu penyiraman, pompa tetap mati. Jika tanah kering, pompa akan menyala hingga kelembaban mencapai 80%.
  • Pada tangki air, jika air mencapai batas bawah 20cm, pompa akan mengisi air hingga batas atas 5cm, kemudian pompa mati.