Optimisasi Hyperparameter YOLO untuk Purwarupa Aplikasi Ekstraksi Judul dan Isi pada Surat Kabar di Monumen Pers Nasional

Abstract

Monumen Pers Nasional mempunyai salah satu layanan yang menyediakan informasi bahan-bahan, dokumen-dokumen, artefak-artefak dan sejarah pers nasional yang dapat digunakan untuk pembelajaran. Untuk memudahkan akses data, artefak dan koleksi lainnya, Monumen Pers Nasional membangun Sistem Informasi Database Koleksi (SIDAK) dengan penerapan teknologi Object Character Recognition (OCR). Namun dalam penerapannya teknologi OCR yang dibagun kerap kali menghasilkan data yang kurang akurat dalam proses ekstraksi data dari koleksi surat kabar. Salah satu solusi yang digunakan untuk mengatasi permasalahan ini adalah dengan mengadopsi metode deteksi judul dan konten menggunakan You Only Look Once (YOLO). Dengan melakukan analisis perbandingan optimizer  menggunakan data koleksi surat kabar yang diperoleh dari Museum Monumen Pers Nasioal, hasil optimizer paling baik akan diimplementasikan pada purwarupa aplikasi berbasis website. Adapun optimizer  yang dianalisis adalah Stocasthic Gradient Descent (SGD), Adaptive Moment Estimation (Adam), Adam with Weight Decay (AdamW). Hasil analisis menunjukkan optimizer AdamW mengungguli SGD dan Adam dalam nilai f1-score dan mAP secara keseluruhan, sehingga diimplementasikan pada purwarupa aplikasi. Kemudian purwarupa diuji menggunakan User Acceptance Test acuan Skala Likert dan mendapatkan nilai 84,8% kategori sangat baik, sehingga dapat membantu dalam melakukan ekstraksi informasi judul dan isi pada surat kabar di Monumen Pers Nasional.