25.04.1283
000 - General Works
Karya Ilmiah - Skripsi (S1) - Reference
Data Science
122 kali
Pengembangan sistem deteksi objek berbasis YOLOv8 menjadi salah satu inovasi dalam bidang teknologi pengolahan citra.<i> Dataset</i> yang digunakan mencakup 3122 gambar jamur yang terbagi ke dalam tiga kelas, yaitu bisa dimakan (<i>edible</i>), tidak bisa dimakan (<i>inedible</i>), dan beracun (<i>poisonous</i>). Penelitian ini bertujuan untuk mengembangkan sistem deteksi jamur beracun berbasis YOLOv8 melalui <i>fine-tuning </i>model menggunakan metode <i>One Factor At a Time </i>(OFAT). Sistem yang dibuat akan dioptimalkan melalui pendekatan <i>fine-tuning</i> menggunakan metode OFAT untuk menentukan konfigurasi <i>hyperparameter</i> dengan nilai yang paling sesuai. Model YOLOv8 yang telah di <i>fine-tuning</i> diuji menggunakan metrik evaluasi seperti akurasi, presisi, <i>recall</i>, <i>F1-score</i>, dan mAP (<i>Mean Average Precision</i>). Hasil penelitian menunjukkan bahwa pendekatan <i>fine-tuning</i> mampu meningkatkan performa model secara signifikan dibandingkan model <i>pre-trained </i>dengan rata-rata kenaikan setiap metrik adalah 4% dibandingkan model <i>pre-trained</i>, dengan peningkatan terbesar mAP pada <i>threshold</i> 0.50 sebesar 4,6%.<br /> <br /> Kata Kunci: jamur, deteksi objek, YOLOv8, OFAT, fine-tuning
Tersedia 1 dari total 1 Koleksi
Nama | MOH LUTFI FADILAH |
Jenis | Perorangan |
Penyunting | Wahyu Andi Saputra, Aina Latifa Riyana Putri |
Penerjemah |
Nama | Universitas Telkom, S1 Sains Data - Kampus Purwokerto |
Kota | Bandung |
Tahun | 2025 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |