{
      "thesis_name": "tesis",
      "type": "thesis",
      "status_changed": "2026-09-08 03:48:53",
      "metadata_visibility": "show",
      "userid": 12,
      "lastmod": "2026-09-08 03:48:53",
      "divisions": [
        "PJJ"
      ],
      "contributors": [
        {
          "name": {
            "honourific": null,
            "lineage": null,
            "family": "Setyanto",
            "given": "Arief"
          }
        }
      ],
      "full_text_status": "public",
      "abstract": "Segmentasi Citra Spektrogram Spektrum Frekuensi Radio Menggunakan\r\nAttention U-Net. Penelitian ini bertujuan mengembangkan model segmentasi\r\nberbasis Attention U-Net untuk mendeteksi dan melokalisasi area sinyal pada citra\r\nspektrogram hasil pemantauan spektrum frekuensi radio serta menguji efektivitas\r\nstrategi pelatihan pretraining-finetuning. Penelitian dibatasi pada citra spektrogram\r\ndari empat pita frekuensi dengan morfologi sinyal beragam, mulai dari sinyal\r\nnarrowband tipis 1–3 piksel hingga sinyal lebar. Model utama yang dievaluasi\r\nadalah Attention U-Net yang dilatih pada dataset riil dan Attention U-Net dengan\r\nstrategi pretraining pada dataset sintetis yang dilanjutkan fine-tuning pada dataset\r\nriil. Model U-Net, SRNet, dan PRMNet digunakan sebagai pembanding. Evaluasi\r\ndilakukan pada level segmentasi menggunakan IoU, Dice, Precision, dan Recall,\r\nserta pada level lokalisasi bounding box hasil post-processing mask fill-all. Hasil\r\npenelitian menunjukkan bahwa Attention U-Net yang dilatih pada dataset riil\r\nmemperoleh IoU 0,7971, Dice 0,8826, Precision 0,8894, dan Recall 0,8864.\r\nAttention U-Net dengan strategi pretraining–fine-tuning memberikan hasil terbaik\r\ndengan IoU 0,8046, Dice 0,8877, Precision 0,8899, dan Recall 0,8958. Pada\r\nevaluasi bounding box, model ini memperoleh F1-score 0,7657, Recall 0,7362, dan\r\nmIoU 0,5799. Penelitian menyimpulkan bahwa Attention U-Net mampu mendeteksi\r\ndan melokalisasi area sinyal lintas morfologi pada tingkat piksel, dan strategi\r\npretraining–fine-tuning efektif meningkatkan kemampuan generalisasi model pada\r\nkondisi pemantauan yang heterogen.",
      "institution": "Universitas AMIKOM Yogyakarta",
      "eprintid": 32618,
      "dir": "disk0\/00\/03\/26\/18",
      "documents": [
          {
            "language": "id",
            "mime_type": "application\/pdf",
            "format": "text",
            "placement": 1,
            "formatdesc": "THESIS",
            "security": "public",
            "files": [
                {
                  "filesize": 5607116,
                  "fileid": 1150022,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1150022",
                  "filename": "23.55.2523 - Andreo Yustiantoro Anjaya.pdf",
                  "objectid": 325851,
                  "hash": "d0df7292c2a2b12c1cae51388a0524fb",
                  "mtime": "2026-09-08 03:44:05",
                  "mime_type": "application\/pdf",
                  "datasetid": "document",
                  "hash_type": "MD5"
                }
            ],
            "content": "published",
            "rev_number": 2,
            "pos": 1,
            "main": "23.55.2523 - Andreo Yustiantoro Anjaya.pdf",
            "eprintid": 32618,
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/325851",
            "docid": 325851
          }
      ],
      "subjects": [
        "000.000.000A",
        "600.600.600A"
      ],
      "keywords": "Attention U-Net, Segmentasi sinyal, Spektrogram, Spektrum frekuensi\r\nradio, Pretraining–fine-tuning, Signal segmentation, Spectrogram, Radio frequency\r\nspectrum.",
      "datestamp": "2026-09-08 03:48:53",
      "title": "SEGMENTASI CITRA SPEKTROGRAM SPEKTRUM \r\nFREKUENSI RADIO MENGGUNAKAN ATTENTION U-NET",
      "thesis_type": "masters",
      "creators": [
        {
          "nim": "23.55.2523",
          "name": {
            "given": "Andreo Yustiantoro",
            "family": "Anjaya",
            "lineage": null,
            "honourific": null
          }
        }
      ],
      "eprint_status": "archive",
      "rev_number": 8,
      "date_type": "published",
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "department": "PJJ Magister Informatika",
      "date": "2026-06-03",
      "ispublished": "pub",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/32618"
    }