Perpustakaan Digital ITB

Pembacaan KWH meter PLN secara manual oleh petugas lapangan menghadapi tantangan sistemik berupa kesalahan manusia, beban kerja tinggi, dan proses verifikasi yang memakan waktu. Penelitian ini mengusulkan kerangka kerja dua tahap yang mengintegrasikan YOLOv8m untuk deteksi wilayah digit ( Region of Interest/ROI ) dan PARSeq yang diperkuat dengan modul atensi CBAM (PARSeq+CBAM) untuk pengenalan digit otomatis dari foto lapangan PLN. Modul CBAM ditempatkan sebelum patch embedding Vision Transformer (ViTViT) encodeencoder pada arsitektur PARSeq, dengan konfigurasi reduction ratio 2 dan spatial kernel 7×7, menambahkan 104 parameter. Dataset yang digunakan terdiri dari 3.416 foto KWH meter PLN dari kondisi lapangan nyata, dengan distribusi kondisi visual yang didominasi oleh blur (77,9%), glare (52,6%), rolling digit (46,8%), dan oklusi parsial (5,8%). Dataset dibagi dengan rasio 70:15:15 (latih:validasi:uji). Evaluasi dilakukan menggunakan metrik sequence accuracy (SA), character error rate (CER), digit accuracy, dan kecepatan inferensi. Sebagai perbandingan, tiga arsitektur OCR populer dievaluasi dan setelah fine-tuning: CRNN, TrOCR, dan PARSeq. Hasil eksperimen menunjukkan bahwa YOLOv8m berhasil mendeteksi wilayah digit dengan mAP@50 sebesar 99,5%. Pada tahap pengenalan, proposed model PARSeq+CBAM mencapai sequence accuracy sebesar 94,15% pada test set, melampaui seluruh model baseline: CRNN (2,08%), TrOCR (6,38%), PARSeq (20,52%), TrOCR fine-tuned (66,84%), dan PARSeq fine-tuned tanpa CBAM (75,00%). Peningkatan sebesar +19,15% terhadap PARSeq fine-tuned dicapai dengan overhead parameter yang sangat kecil. Selain akurasi, PARSeq+CBAM juga menunjukkan kecepatan inferensi tertinggi (0,037 detik per sampel, throughput 1.622 sampel/menit).