Evaluasi Kinerja Model YOLOv8 dalam Deteksi Kesegaran Buah

Arie, Ardiansyah (2024) Evaluasi Kinerja Model YOLOv8 dalam Deteksi Kesegaran Buah. Masters thesis, Institut Informastika dan Bisnis Darmajaya.

	Text Halaman Pernyataan.pdf Download (86kB)
	Text Halaman Persetujuan Publikasi.pdf Download (233kB)
	Text Halaman Pengesahan.pdf Download (254kB)
	Text Abstrak.pdf Download (185kB)
	Text Daftar Isi.pdf Download (42kB)
	Text BAB I.pdf Download (13kB)
	Text BAB II.pdf Download (96kB)
	Text BAB III.pdf Download (228kB)
	Text BAB IV.pdf Download (133kB)
	Text BAB V.pdf Download (150kB)
	Text Daftar Pustaka.pdf Download (150kB)
	Text Lampiran.pdf Download (2MB)

Abstract

Klasifikasi kesegaran buah memiliki implikasi yang signifikan dalam industri pangan dan pertanian di Indonesia, karena mempengaruhi kualitas produk yang dijual, keamanan kesehatan konsumen dan mengurangi pemborosan pangan. Berdasarkan hal tersebut telah banyak teknologi pengolahan citra seperti ResNet, DenseNet, MobileNetV2, NASNet, dan EfficientNet, CNN, DCNN, dll untuk membantu industri melakukan klasifikasi deteksi kesegaran buah secara realtime dan efisien, oleh karena itu penelitian ini dimaksud untuk mengeksplorasi algoritma lain yaitu YOLOv8 untuk mengevaluasi kinerja akurasi dan presisi dalam deteksi kesegaran buah. Pada penelitian ini didapatkan hasil bahwa model YOLOv8 dengan 100 epoch dan batch size 8 memberikan hasil confusion matrix dengan akurasi 88%. Pada tingkat kepercayaan tinggi, model mampu mendeteksi kesegaran buah dengan presisi rata-rata 97%. Namun, pada tingkat kepercayaan rendah, recall rata-rata mencapai 87%. Pada tingkat kepercayaan seimbang (0.50), presisi dan recall F1-Score mencapai rata-rata 73%. Evaluasi di luar tingkat kepercayaan menunjukkan presisi 74% dan recall 75%. Hasil ini menunjukkan bahwa Model YOLOv8 dengan epoch dan batch rendah masih dapat bersaing dengan algoritma lainnya, pelatihan dengan epoch dan batch yang lebih tinggi memiliki kesempatan untuk mendapatkan model yang lebih optimal. Kata kunci—Pengolahan Citra, Deteksi Kesegaran Buah, Kinerja Akurasi

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Mr Arie Ardiansyah
Date Deposited:	23 Aug 2024 08:58
Last Modified:	23 Aug 2024 08:58
URI:	http://repo.darmajaya.ac.id/id/eprint/17083

Actions (login required)

View Item