Pengembangan Sistem Berbasis Deep Learning untuk Otomatisasi Pengolahan Foto KIA Menggunakan Segmentasi U²-Net

Ar-Rasyid, Ricky (2026) Pengembangan Sistem Berbasis Deep Learning untuk Otomatisasi Pengolahan Foto KIA Menggunakan Segmentasi U²-Net. S1 thesis, Universitas Muhammadiyah Magelang.

	PDF (Skripsi) 24.0504.0082_COVER_BAB I_BAB II_BAB III_BAB V_DAFTAR PUSTAKA.pdf - Published Version Download (0B)
	PDF (Skripsi) 24.0504.0082_COVER_BAB IV.pdf - Published Version Restricted to Repository staff only Download (0B) | Request a copy
	PDF (Skripsi) 24.0504.0082_COVER_LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (0B) | Request a copy
	PDF (Skripsi) 24.0504.0082_FULLTEXT.pdf - Published Version Restricted to Repository staff only Download (0B) | Request a copy
	PDF (Skripsi) 24.0504.0082_COVER_PERNYATAAN UNGGAH REPOSITORY.pdf - Published Version Download (0B)

Abstract

Perkembangan teknologi Artificial Intelligence (AI) dan Deep Learning telah mendorong
kemajuan pada bidang Computer Vision, khususnya dalam pengolahan citra digital. Salah satu
implementasinya adalah segmentasi citra menggunakan metode U²-Net yang mampu
memisahkan objek dari latar belakang secara otomatis dengan tingkat ketelitian yang tinggi.
Pemanfaatan teknologi tersebut berpotensi meningkatkan efisiensi proses administrasi yang
masih dilakukan secara manual. Berdasarkan hasil observasi di Dinas Kependudukan dan
Pencatatan Sipil Kabupaten Temanggung, proses pengolahan foto Kartu Identitas Anak (KIA)
masih menggunakan beberapa aplikasi secara terpisah, yaitu remove.bg untuk menghapus latar
belakang, aplikasi pengolah gambar untuk mengubah ukuran foto menjadi 480 × 600 piksel,
serta konversi ke format JPG. Proses tersebut membutuhkan rata-rata 120 detik untuk setiap
foto sehingga kurang efisien dalam menangani sekitar 500 foto KIA setiap bulan.
Penelitian ini bertujuan mengembangkan sistem berbasis Deep Learning untuk
mengotomatisasi pengolahan foto KIA menggunakan metode segmentasi U²-Net,
mengimplementasikan proses background removal secara otomatis, serta meningkatkan efisiensi
waktu dan konsistensi hasil pengolahan foto. Penelitian menggunakan metode Research and
Development (R&D) dengan model pengembangan Waterfall yang meliputi analisis kebutuhan,
perancangan sistem, implementasi, pengujian, dan evaluasi. Sistem dikembangkan dalam bentuk
aplikasi desktop menggunakan bahasa pemrograman Python dengan dukungan pustaka
OpenCV, Pillow (PIL), Tkinter, dan rembg. Fitur utama yang diimplementasikan meliputi batch
processing, segmentasi otomatis menggunakan model U²-Net, penggantian latar belakang merah
atau biru, penyesuaian ukuran foto menjadi 480 × 600 piksel, konversi otomatis ke format JPG,
serta pencatatan log evaluasi kinerja sistem.
Pengujian sistem dilakukan menggunakan Black Box Testing, pengujian kinerja, pengujian
kesesuaian standar foto KIA, dan User Acceptance Testing (UAT) berdasarkan karakteristik
Functional Suitability dan Usability pada standar ISO/IEC 25010. Hasil pengujian menunjukkan
bahwa seluruh fungsi sistem berjalan sesuai dengan rancangan dan seluruh foto keluaran
memenuhi standar teknis KIA. Sistem mampu menurunkan rata-rata waktu pemrosesan dari
120 detik menjadi sekitar 7,85 detik per foto, sehingga menghasilkan peningkatan efisiensi
sebesar 93,46%. Produktivitas sistem meningkat menjadi sekitar 7,85 foto per menit, sedangkan
metode manual hanya mencapai sekitar 0,50 foto per menit. Penggunaan sumber daya perangkat
keras juga relatif stabil dengan rata-rata penggunaan CPU sebesar 41,40% dan RAM sebesar
1.405,42 MB, sehingga aplikasi dapat dijalankan pada komputer dengan spesifikasi menengah.
Hasil User Acceptance Testing (UAT) yang melibatkan 21 responden memperoleh nilai
penerimaan pengguna sebesar 97,52% dengan kategori sangat baik, yang menunjukkan bahwa
sistem mudah dipelajari, mudah digunakan, mampu meningkatkan efisiensi kerja, memiliki
tingkat kesalahan yang rendah, serta memberikan kepuasan kepada pengguna. Secara
keseluruhan, penelitian ini berhasil menghasilkan aplikasi desktop yang mampu
mengintegrasikan seluruh proses pengolahan foto KIA ke dalam satu sistem berbasis Deep
Learning menggunakan metode U²-Net. Implementasi sistem terbukti meningkatkan efisiensi
operasional, menghasilkan foto sesuai standar administrasi kependudukan, serta mendukung
peningkatan kualitas pelayanan publik melalui proses pengolahan foto yang lebih cepat,
konsisten, dan terotomatisasi.

Item Type:	Karya Ilmiah (S1)
Pembimbing:	Maimunah, S.Si., M.Kom. dan Andi Widiyanto, M.Kom.
Uncontrolled Keywords:	Deep Learning, U²-Net, Computer Vision, Pengolahan Citra Digital, Kartu Identitas Anak, Background Removal, Batch Processing, ISO/IEC 25010.
Subjects:	T Technology > T Technology (General) T Technology > T2 Information Technology
Depositing User:	FT 24.0504.0082
Date Deposited:	28 Aug 2026 06:45
Last Modified:	28 Aug 2026 06:45
URI:	https://repositori.unimma.ac.id/id/eprint/7216

Actions (login required)

View Item