eprintid: 32618
rev_number: 8
eprint_status: archive
userid: 12
dir: disk0/00/03/26/18
datestamp: 2026-09-08 03:48:53
lastmod: 2026-09-08 03:48:53
status_changed: 2026-09-08 03:48:53
type: thesis
metadata_visibility: show
creators_name: Anjaya, Andreo Yustiantoro
creators_nim: 23.55.2523
contributors_name: Setyanto, Arief
corp_creators: Universitas AMIKOM Yogyakarta
title: SEGMENTASI CITRA SPEKTROGRAM SPEKTRUM 
FREKUENSI RADIO MENGGUNAKAN ATTENTION U-NET
ispublished: pub
subjects: 000.000.000A
subjects: 600.600.600A
divisions: PJJ
full_text_status: public
keywords: Attention U-Net, Segmentasi sinyal, Spektrogram, Spektrum frekuensi
radio, Pretraining–fine-tuning, Signal segmentation, Spectrogram, Radio frequency
spectrum.
abstract: Segmentasi Citra Spektrogram Spektrum Frekuensi Radio Menggunakan
Attention U-Net. Penelitian ini bertujuan mengembangkan model segmentasi
berbasis Attention U-Net untuk mendeteksi dan melokalisasi area sinyal pada citra
spektrogram hasil pemantauan spektrum frekuensi radio serta menguji efektivitas
strategi pelatihan pretraining-finetuning. Penelitian dibatasi pada citra spektrogram
dari empat pita frekuensi dengan morfologi sinyal beragam, mulai dari sinyal
narrowband tipis 1–3 piksel hingga sinyal lebar. Model utama yang dievaluasi
adalah Attention U-Net yang dilatih pada dataset riil dan Attention U-Net dengan
strategi pretraining pada dataset sintetis yang dilanjutkan fine-tuning pada dataset
riil. Model U-Net, SRNet, dan PRMNet digunakan sebagai pembanding. Evaluasi
dilakukan pada level segmentasi menggunakan IoU, Dice, Precision, dan Recall,
serta pada level lokalisasi bounding box hasil post-processing mask fill-all. Hasil
penelitian menunjukkan bahwa Attention U-Net yang dilatih pada dataset riil
memperoleh IoU 0,7971, Dice 0,8826, Precision 0,8894, dan Recall 0,8864.
Attention U-Net dengan strategi pretraining–fine-tuning memberikan hasil terbaik
dengan IoU 0,8046, Dice 0,8877, Precision 0,8899, dan Recall 0,8958. Pada
evaluasi bounding box, model ini memperoleh F1-score 0,7657, Recall 0,7362, dan
mIoU 0,5799. Penelitian menyimpulkan bahwa Attention U-Net mampu mendeteksi
dan melokalisasi area sinyal lintas morfologi pada tingkat piksel, dan strategi
pretraining–fine-tuning efektif meningkatkan kemampuan generalisasi model pada
kondisi pemantauan yang heterogen.
date: 2026-06-03
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: PJJ Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Anjaya, Andreo Yustiantoro  (2026) SEGMENTASI CITRA SPEKTROGRAM SPEKTRUM FREKUENSI RADIO MENGGUNAKAN ATTENTION U-NET.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32618/1/23.55.2523%20-%20Andreo%20Yustiantoro%20Anjaya.pdf