SEGMENTASI CITRA SPEKTROGRAM SPEKTRUM FREKUENSI RADIO MENGGUNAKAN ATTENTION U-NET

Anjaya, Andreo Yustiantoro (2026) SEGMENTASI CITRA SPEKTROGRAM SPEKTRUM FREKUENSI RADIO MENGGUNAKAN ATTENTION U-NET. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 23.55.2523 - Andreo Yustiantoro Anjaya.pdf - Published Version Download (5MB)

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.

Actions (login required)

View Item