Abstract:Pembelajaran biologi di tingkat SMA masih banyak menggunakan pendekatan konvensional yang kurang efektif dalam mengembangkan keterampilan berpikir kritis dan adaptabilitas lingkungan peserta didik. Penelitian ini bertujuan…
an untuk menguji pengaruh penerapan Flipped Classroom dengan model Problem Based Learning (PBL) terhadap kemampuan berpikir kritis dan adaptabilitas lingkungan murid SMA pada materi perubahan lingkungan. Penelitian eksperimen semu dengan desain Non-Randomized Control Group Pretest-Posttest dilakukan pada kelas X Fase E. Kelas eksperimen menerapkan integrasi Flipped Classroom dan PBL, sedangkan kelas kontrol menggunakan pembelajaran langsung. Data dikumpulkan melalui tes esai berbasis indikator FRISCO untuk berpikir kritis dan angket berbasis GreenComp untuk adaptabilitas lingkungan. Analisis data menggunakan ANCOVA setelah memenuhi uji prasyarat yaitu normalitas, homogenitas, dan linieritas. Hasil penelitian menunjukkan adanya pengaruh signifikan p < 0,05 terhadap kedua variabel dengan effect size besar Partial Eta Squared 0,606 untuk berpikir kritis dan 0,700 untuk adaptabilitas lingkungan. Rata-rata skor kelas eksperimen mengalami peningkatan yang lebih tinggi dibandingkan kelas kontrol. Kesimpulan penelitian ini adalah integrasi Flipped Classroom dan PBL efektif meningkatkan kemampuan berpikir kritis serta adaptabilitas lingkungan peserta didik. Model ini dapat menjadi alternatif pembelajaran inovatif yang mendukung Kurikulum Merdeka dan pengembangan kompetensi abad ke-21 berbasis isu lingkungan.
Abstract:Abstract: The large number of bullying cases involving teenagers both as perpetrators and victims shows that intervention is needed to prevent the increasing number of cases. The education process for adolescents will be…
effective if it is carried out by their peers. Therefore, a module is needed to provide education for adolescents so that they can act as counselors for their peers in order to prevent bullying from occurring. The purpose of the community service activities carried out is to implement the Remaja “PEDULI†(Peka, Dukung, Lindungi) program to increase participants' knowledge of bullying and the skills needed as peer counselors.This training was conducted online for 2 meetings and post training assignments. The Remaja “PEDULI†module was developed using the ADDIE approach which consist of analisys, design, develop, implement, and evaluate. The impact of the module implementation was tested using a quasi-experimental method used a single group with a pretest and postest design. Result of data analysis showed that there was differences between mean test scores of participants before and after the training with value of t = -2.921 and value of p = 0.005 (p <0.01). It can be concluded that the Remaja “PEDULI†program is effective in increasing adolescents' knowledge about bullying and skills required as peer counselors.
Keywords: adolescents; bullying; online training
Abstrak: Banyaknya kasus bullying yang banyak melibatkan remaja baik sebagai pelaku maupun korban menunjukkan bahwa dibutuhkan intervensi untuk mencegah meningkatnya jumlah kasus tersebut. Proses edukasi bagi remaja akan efektif apabila dilakukan oleh sebayanya, oleh karena itu diperlukan modul untuk memberikan edukasi berupa pelatihan kepada remaja agar dapat berperan sebagai konselor bagi sebayanya agar dapat mencegah terjadinya bullying. Tujuan dari kegiatan pengabdian yang dilakukan adalah untuk mengimplementasikan program remaja “PEDULI†(Peka, Dukung, Lindungi) untuk meningkatkan pengetahuan peserta tentang bullying dan ketrampilan yang dibutuhkan sebagai konselor sebaya. Program pelatihan ini dilakukan secara daring selama 2 kali pertemuan dan penugasan pasca pelatihan. Modul pelatihan remaja PEDULI ini disusun menggunakan pendekatan ADDIE, yang terdiri dari 5 tahap, yaitu: analisis, desain, develop, implement, dan evaluate. Media yang digunakan dalam pelatihan ini adalah presentasi, video, dan komik. Dampak dari implementasi modul diuji menggunakan metode eksperimen quasi dengan desain single group with pretest and postest design. Hasil uji beda skor tes pengetahuan pada peserta sebelum dan sesudah pelatihan menghasilkan nilai t = -2,921 dengan nilai p = 0,005 (p<0,01). Dapat disimpulkan bahwa program remaja “PEDULI†efektif untuk meningkatkan pengetahuan remaja rentang bullying dan ketrampilan yang diperlukan sebagai konselor sebaya.
Kata kunci: bullying; pelatihan daring; remaja
Abstract:Abstract: The advancement of smart agriculture has become a promising solution to increase food productivity and land use efficiency in urban environments. This research aims to develop an Artificial Intelligence (AI)-based…
sed vertical hydroponic farming system integrated with LED grow light technology and catfish aquaponics. The proposed system combines vertical hydroponics and aquaponics to optimize plant growth and water utilization. Internet of Things technology enables real-time environmental monitoring through an Arduino Uno microcontroller integrated with LDR, soil moisture, pH, and NPK sensors. The obtained sensor data is processed using the Mamdani Fuzzy Logic algorithm, which performs fuzzification, rule inference, aggregation, and defuzzification to generate adaptive control decisions for irrigation, nutrient circulation, and LED grow light intensity. This research uses the Research and Development (R&D) method through prototype development and performance evaluation for 30 days using spinach (Amaranthus spp.) and mustard greens (Brassica juncea) as test plants. Experimental results showed that the developed system successfully maintained stable environmental conditions, with soil moisture ranging between 69–72%, a pH value between 6.4 and 6.6, and optimal nutrient availability. Plant growth increased significantly. The integration of IoT, AI and aquaponics improves cultivation efficiency, enabling environmental control as a smart and sustainable solution for urban agriculture.
Keywords: artificial intelligence; aquaponic; hydroponic; LED grow light; vertical farming
Abstract: Kemajuan pertanian cerdas telah menjadi solusi yang menjanjikan untuk meningkatkan produktivitas pangan dan efisiensi penggunaan lahan di lingkungan perkotaan. Penelitian ini bertujuan untuk mengembangkan sistem pertanian hidroponik vertikal berbasis Kecerdasan Buatan (AI) yang terintegrasi dengan teknologi lampu tumbuh LED dan aquaponik ikan lele. Sistem yang diusulkan menggabungkan hidroponik vertikal dan aquaponik untuk mengoptimalkan pertumbuhan tanaman dan pemanfaatan air. Teknologi Internet of Things memungkinkan pemantauan lingkungan secara real-time melalui mikrokontroler arduino uno yang terintegrasi dengan sensor LDR, kelembaban tanah, pH, dan NPK. Data sensor yang diperoleh diproses menggunakan algoritma Logika Fuzzy Mamdani, yang melakukan fuzzifikasi, inferensi aturan, agregasi, dan defuzzifikasi untuk menghasilkan keputusan kontrol adaptif untuk irigasi, sirkulasi nutrisi, dan intensitas lampu tumbuh LED. Penelitian ini menggunakan metode Pengembangan (R&D) melalui pengembangan prototipe dan evaluasi kinerja selama 30 hari menggunakan bayam (Amaranthus spp.) dan sawi hijau (Brassica juncea) sebagai tanaman uji. Hasil eksperimen menunjukkan bahwa sistem yang dikembangkan berhasil mempertahankan kondisi lingkungan yang stabil, dengan kelembaban tanah berkisar antara 69–72%, nilai pH antara 6,4 dan 6,6, dan ketersediaan nutrisi yang optimal. Pertumbuhan tanaman meningkat secara signifikan. Integrasi IoT, AI dan aquaponik meningkatkan efisiensi budidaya, untuk pengendalian lingkungan sebagai solusi cerdas dan berkelanjutan untuk pertanian perkotaan.
Keywords: aquaponik; kecerdasan buatan; hidroponik; lampu tumbuh LED; pertanian vertikal
Abstract:Abstract: Query performance is a critical factor in managing large-scale databases. One of the most widely used optimization techniques is indexing. This study aims to analyze the impact of indexing on query performance…
in PostgreSQL, compare the effectiveness of B-Tree and Hash indexes, and evaluate their influence on query planner decisions. A quantitative experimental approach was employed using the TPC-H benchmark dataset at scale factors SF0.1, SF1, and SF10. Experiments were conducted using EXPLAIN ANALYZE on exact match, range, and join queries under three conditions: without indexing, with B-Tree indexing, and with Hash indexing. The results demonstrate that indexing significantly improves query performance. For exact match queries on the SF10 dataset, execution time decreased from 93.36 ms without indexing to 0.034 ms using B-Tree and 0.045 ms using Hash indexes. For join queries, execution time was reduced from 857.77 ms to 0.180 ms using B-Tree and 0.079 ms using Hash indexes. B-Tree showed consistent performance across different query types, while Hash achieved the best results for equality-based queries. Furthermore, index usage influenced query planner decisions in selecting more efficient execution strategies. These findings indicate that appropriate index selection can substantially improve data access efficiency in PostgreSQL.
Keywords: b-tree index; hash index; PostgreSQL; query optimization; query planner
Abstrak: Performa query merupakan faktor penting dalam pengelolaan basis data berskala besar. Salah satu teknik optimasi yang umum digunakan adalah indexing. Penelitian ini bertujuan menganalisis pengaruh penggunaan indexing terhadap performa query pada PostgreSQL, membandingkan efektivitas B-Tree dan Hash index, serta mengevaluasi pengaruhnya terhadap keputusan query planner. Penelitian menggunakan metode eksperimen kuantitatif dengan dataset benchmark TPC-H pada skala SF0.1, SF1, dan SF10. Pengujian dilakukan menggunakan EXPLAIN ANALYZE pada exact match query, range query, dan join query dalam kondisi tanpa index, menggunakan B-Tree index, dan Hash index. Hasil penelitian menunjukkan bahwa indexing meningkatkan performa query secara signifikan. Pada exact match query dataset SF10, execution time menurun dari 93,36 ms tanpa index menjadi 0,034 ms menggunakan B-Tree dan 0,045 ms menggunakan Hash index. Pada join query, execution time berkurang dari 857,77 ms menjadi 0,180 ms menggunakan B-Tree dan 0,079 ms menggunakan Hash index. B-Tree menunjukkan performa yang konsisten pada berbagai jenis query, sedangkan Hash index memberikan performa terbaik pada query berbasis equality. Selain itu, penggunaan index memengaruhi keputusan query planner dalam memilih strategi eksekusi yang lebih efisien. Hasil penelitian menunjukkan bahwa pemilihan metode indexing yang tepat dapat meningkatkan efisiensi akses data pada PostgreSQL
Kata kunci: b-tree index; hash index; optimasi query; PostgreSQL; query planner
Abstract:Abstract: Anomalous sound detection is essential for industrial predictive maintenance, as machine failures often originate from subtle acoustic changes during operation. However, high background noise and limitations of…
conventional Convolutional Neural Networks (CNN) reduce detection reliability. This study proposes a 1D-CNN-based anomaly detection framework with multi-view feature fusion and temporal segmentation to enhance detection performance. The approach combines MFCC, Log-Mel Spectrogram, and Chroma STFT features, while temporal segmentation divides audio signals into 5-second segments to better capture transient anomalies. Experiments on the MIMII dataset under varying Signal-to-Noise Ratio (SNR) conditions show that MFCC and Log-Mel fusion achieves the best performance, with 97.90% accuracy and ROC-AUC of 0.9789. The model maintains accuracy above 90% at −6 dB, demonstrating strong robustness in noisy industrial environments.
Keywords: industrial anomaly detection; 1D-CNN; multi-view feature fusion; temporal segmentation; MIMII dataset.
Abstrak: Deteksi anomali suara merupakan komponen penting dalam sistem pemeliharaan prediktif industri, karena kegagalan mesin sering diawali oleh perubahan akustik yang bersifat halus selama proses operasi. Namun, tingkat kebisingan yang tinggi serta keterbatasan arsitektur Convolutional Neural Network (CNN) konvensional dapat menurunkan keandalan deteksi. Penelitian ini bertujuan mengusulkan kerangka deteksi anomali berbasis 1D-CNN yang mengintegrasikan strategi fusi fitur multi-view dan segmentasi temporal untuk meningkatkan kinerja deteksi. Pendekatan yang digunakan menggabungkan fitur MFCC, Log-Mel Spectrogram dan Chroma STFT, sementara teknik temporal splitting membagi sinyal audio menjadi segmen berdurasi 5 detik untuk menangkap anomali yang bersifat sementara. Eksperimen menggunakan dataset MIMII pada berbagai kondisi Signal-to-Noise Ratio (SNR) menunjukkan bahwa kombinasi MFCC dan Log-Mel Spectrogram menghasilkan kinerja terbaik dengan akurasi 97,90% dan ROC-AUC sebesar 0,9789. Model juga mempertahankan akurasi di atas 90% pada kondisi kebisingan ekstrem (−6 dB) yang menunjukkan ketahanan yang baik dalam lingkungan industri yang bising.
Kata kunci: deteksi anomali industri; 1D-CNN; fusi fitur multi-view; segmentasi temporal; dataset MIMII
Abstract:Abstract: Automated batik motif classification is challenged by high inter-class similarity and texture complexity. This study proposes a hybrid model integrating MobileNetV2 as a feature extractor and Support Vector Machine…
hine (SVM) as the classifier to optimize accuracy and efficiency. Utilizing a Kaggle dataset of 8,640 images across 20 batik categories, the data was partitioned into 420 training images per class (Dayak: 360) and 15 testing images per class. The results demonstrate superior performance with 96.00% accuracy, exceeding the 90% target. The system showed high computational efficiency with a total execution time of 359.92 seconds and feature extraction taking only 22.63 seconds. This hybrid approach provides an ideal performance balance for resource-constrained mobile applications.
Keywords: batik classification; MobileNetV2; support vector machine; hybrid model; computational efficiency
Abstrak: Klasifikasi motif batik secara otomatis menghadapi tantangan kemiripan visual antar-kelas yang tinggi. Penelitian ini bertujuan mengoptimalkan akurasi dan efisiensi pengenalan batik menggunakan model hibrida MobileNetV2 sebagai pengekstraksi fitur dan Support Vector Machine (SVM) sebagai klasifikator. Menggunakan dataset Kaggle berisi 8.640 citra dari 20 kategori batik, data dibagi menjadi 420 citra latih per kelas (kecuali Batik Dayak 360) dan 15 citra uji per kelas. Hasil eksperimen menunjukkan performa impresif dengan akurasi 96,00%, melampaui target awal 90%. Sistem ini sangat efisien dengan total waktu eksekusi 359,92 detik, di mana ekstraksi fitur hanya membutuhkan 22,63 detik. Kombinasi MobileNetV2 dan SVM memberikan keseimbangan performa ideal untuk implementasi pada perangkat bergerak dengan sumber daya terbatas.
Kata kunci: klasifikasi batik; MobileNetV2; Support Vector Machine; Hybrid Model; efisiensi komputasi
Abstract:Abstract: Libraries function not only as information centers but also as literacy spaces that require an orderly and communicative service environment. One supporting service in fostering such an environment is the delivery…
ery of literacy greetings to visitors. In practice, greetings are commonly delivered manually or through conventional bells, leading to inconsistency and dependence on staff availability. This study was conducted at the Amir Machmud Library, Ministry of Home Affairs, Jakarta, Indonesia, aiming to design and evaluate a Python-based scheduled audio alarm system for automated literacy greetings. An applied experimental method was employed, including system design, Python script development, scheduling configuration using Windows Task Scheduler, and direct system testing on a library computer connected to ceiling speakers. The system requires initial execution via Command Prompt (CMD) when the computer is powered on, after which it operates automatically according to predefined schedules. Testing results demonstrate that the system performs scheduled audio playback accurately and operates stably without further manual intervention. The findings indicate that the proposed system provides a practical and efficient solution to enhance service consistency and support a structured and conducive literacy environment in the library.
Keywords: scheduled audio alarm; library automation; python; literacy greeting.
Abstrak: Perpustakaan tidak hanya berfungsi sebagai pusat informasi, tetapi juga sebagai ruang literasi yang memerlukan suasana layanan yang tertib dan komunikatif. Salah satu bentuk dukungan layanan tersebut adalah penyampaian sapaan literasi kepada pengunjung. Dalam praktiknya, penyampaian sapaan masih dilakukan secara manual atau menggunakan bel konvensional sehingga kurang konsisten dan bergantung pada petugas. Penelitian ini dilaksanakan di Perpustakaan Amir Machmud, Kementerian Dalam Negeri, Jakarta, Indonesia, dengan tujuan merancang dan menguji sistem alarm audio terjadwal berbasis Python sebagai media penyampaian sapaan literasi. Metode yang digunakan adalah metode eksperimental terapan melalui tahapan perancangan sistem, pengembangan skrip Python, konfigurasi penjadwalan menggunakan Windows Task Scheduler, serta pengujian langsung pada komputer perpustakaan yang terhubung dengan speaker plafon. Sistem bekerja dengan mekanisme inisialisasi awal melalui Command Prompt (CMD) saat komputer dinyalakan, kemudian selanjutnya berjalan otomatis sesuai jadwal yang telah ditentukan. Hasil pengujian menunjukkan bahwa sistem mampu memutar audio secara konsisten dan stabil pada waktu yang telah diatur tanpa intervensi lanjutan dari petugas. Dengan demikian, sistem ini dapat menjadi solusi sederhana dan efisien untuk mendukung terciptanya suasana literasi yang lebih terstruktur dan kondusif di lingkungan perpustakaan.
Kata kunci: alarm audio terjadwal; otomasi perpustakaan; python; sapaan literasi.
Abstract:Abstract: Accurate bone age estimation is essential for monitoring pediatric growth, diagnosing endocrine disorders, and supporting clinical decision-making. Although deep learning has improved prediction accuracy, limited…
ed studies have systematically examined how increasing model depth affects performance and reliability. This study evaluates the effectiveness of progressively deeper convolutional neural networks, specifically EfficientNet variants B0 to B5, for bone age estimation from hand radiographs. Experiments were conducted using 12,611 hand X-ray images from the RSNA Pediatric Bone Age Challenge dataset on Kaggle. To ensure fair comparison, all models were trained using a unified and consistent training pipeline. Model performance was evaluated using Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Concordance Correlation Coefficient (CCC), and Pearson correlation coefficient. The results show a consistent improvement in prediction accuracy as model depth increases. Among the evaluated models, EfficientNet-B5 achieved the best performance, with an MAE of 21.5 months, MAPE of 6.23%, CCC of 0.9148, and Pearson’s r of 0.9203. These findings confirm that model scaling plays a critical role in enhancing prediction robustness and clinical reliability. Future work should emphasize external validation across diverse populations and incorporate interpretability techniques, such as Grad-CAM, to improve clinical transparency and trust.
Keywords: bone age prediction; deep learning; model evaluation; clinical validation
Abstrak: Estimasi usia tulang yang akurat sangat penting untuk memantau pertumbuhan anak, mendiagnosis gangguan endokrin, dan mendukung pengambilan keputusan klinis. Meskipun pembelajaran mendalam telah meningkatkan akurasi prediksi, studi yang secara sistematis meneliti bagaimana peningkatan kedalaman model memengaruhi kinerja dan keandalan masih terbatas. Studi ini mengevaluasi efektivitas jaringan saraf konvolusional yang semakin dalam, khususnya varian EfficientNet B0 hingga B5, untuk estimasi usia tulang dari radiografi tangan. Eksperimen dilakukan menggunakan 12.611 gambar sinar-X tangan dari dataset RSNA Pediatric Bone Age Challenge di Kaggle. Untuk memastikan perbandingan yang adil, semua model dilatih menggunakan alur pelatihan yang terpadu dan konsisten. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Concordance Correlation Coefficient (CCC), dan koefisien korelasi Pearson. Hasil menunjukkan peningkatan yang konsisten dalam akurasi prediksi seiring dengan peningkatan kedalaman model. Di antara model yang dievaluasi, EfficientNet-B5 mencapai kinerja terbaik, dengan MAE sebesar 21,5 bulan, MAPE sebesar 6,23%, CCC sebesar 0,9148, dan Pearson’s r sebesar 0,9203. Temuan ini menegaskan bahwa penskalaan model memainkan peran penting dalam meningkatkan optimasi prediksi dan keandalan klinis. Penelitian selanjutnya dapat menekankan validasi eksternal di berbagai populasi dan menggabungkan teknik interpretasi, seperti Grad-CAM, untuk meningkatkan transparansi dan kepercayaan klinis.
Kata kunci: prediksi usia tulang; deep learning; evaluasi model; validasi klinis
Abstract:Abstract: Understanding students’ emotional conditions is important for evaluating engagement and learning atmosphere in classroom environments. However, conventional evaluation methods are often subjective and difficult…
lt to apply in real time. Therefore, this study proposes a real-time multi-face emotion detection system designed for classroom learning environments. The system integrates a CNN-based Tiny Face Detector for multi-scale face localization with a convolutional neural network to classify seven facial emotions: angry, disgust, fear, happy, sad, surprise, and neutral. Experimental evaluation was conducted using classroom video data under varying lighting conditions, face orientations, partial occlusions, and different numbers of detected faces per frame. The proposed system achieves stable real-time performance with processing speeds ranging from 10–20 FPS, depending on face density. The results show higher recognition performance for expressive emotions, while subtle emotions remain more challenging. Overall classification accuracy reaches above 80% when emotion predictions are aggregated across multiple faces and time windows. These results indicate that the proposed system is suitable for objective analysis of emotional dynamics in classroom environments and supports the deployment of lightweight emotion-aware monitoring systems for educational applications.
Keywords: classroom monitoring; convolutional neural network; facial emotion recognition; multi-face detection; tiny face detector.
Abstrak: Pemahaman terhadap kondisi emosional mahasiswa penting untuk mengevaluasi keterlibatan dan suasana pembelajaran di kelas. Namun, metode evaluasi konvensional umumnya bersifat subjektif dan sulit diterapkan secara real-time. Oleh karena itu, penelitian ini mengusulkan sistem deteksi emosi multi-wajah secara real-time yang dirancang untuk lingkungan pembelajaran di kelas. Sistem mengintegrasikan Tiny Face Detector berbasis CNN untuk pelokalan wajah multi-skala dengan jaringan saraf konvolusional untuk mengklasifikasikan tujuh emosi wajah, yaitu marah, jijik, takut, senang, sedih, terkejut, dan netral. Evaluasi eksperimen dilakukan menggunakan data video kelas dengan variasi kondisi pencahayaan, orientasi wajah, oklusi parsial, serta jumlah wajah yang berbeda dalam satu frame. Sistem menunjukkan kinerja real-time yang stabil dengan kecepatan pemrosesan antara 10–20 FPS, bergantung pada kepadatan wajah. Hasil pengujian menunjukkan kinerja yang lebih baik pada emosi ekspresif, sementara emosi dengan ciri halus lebih menantang untuk dikenali. Akurasi klasifikasi keseluruhan mencapai di atas 80% ketika hasil emosi diagregasi berdasarkan banyak wajah dan interval waktu. Hasil ini menunjukkan bahwa sistem yang diusulkan berpotensi digunakan untuk analisis objektif dinamika emosi di kelas serta mendukung pemantauan lingkungan pembelajaran berbasis kecerdasan buatan.
Kata kunci: pengenalan emosi wajah; deteksi multi-wajah; Tiny Face Detector; jaringan saraf konvolusional; pemantauan kelas.
Abstract:Abstract: Conventional semiconductor chip counting at PT Elektronik Indonesia relies on manual weighing, which is prone to human error and inefficiency. This study proposes a desktop-based counting system using a digital…
scanner and image processing. The novelty lies in integrating horizontal-vertical projection with probabilistic Hough transform to robustly detect grid lines, form square cells, and enable accurate unit estimation via average intensity analysis, eliminating the need for reference weighing. Experiments on 15 actual chip images yielded an error rate of 0.009519% and up to 73.674%time efficiency gains compared to the manual method. The system reduces operator dependency, minimizes errors, and accelerates counting, providing a practical machine vision solution for semiconductor production.
Keywords: chip counting; image processing; probabilistic hough transform; grid line detection; time effeciency.
Abstrak: Penghitungan chip semikonduktor konvensional di PT Elektronik Indonesia bergantung pada penimbangan manual, yang rentan terhadap kesalahan manusia dan kurang efisien. Penelitian ini mengusulkan sistem penghitungan berbasis desktop menggunakan scanner digital dan pengolahan citra. Kebaruan terletak pada integrasi proyeksi horizontal-vertikal dengan probabilistic Hough transform untuk mendeteksi garis grid secara kuat, membentuk sel persegi, serta memungkinkan estimasi unit akurat melalui analisis intensitas rata-rata, sehingga menghilangkan kebutuhan penimbangan referensi. Eksperimen pada 15 citra chip aktual menghasilkan tingkat kesalahan 0,009519% dan peningkatan efisiensi waktu hingga 73,674% dibandingkan metode manual. Sistem ini mengurangi ketergantungan operator, meminimalkan kesalahan, dan mempercepat penghitungan, menyediakan solusi machine vision praktis untuk produksi semikonduktor.
Kata kunci: penghitungan chip; pengolahan citra; probabilistic Hough transform; deteksi garis grid; efisiensi waktu.