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 |