TAUFIQ, RAMADHAN and Hayaty, Nurul and Ritha, Nola (2023) IMPLEMENTASI METODE YOU ONLY LOOK ONCE (YOLO) PADA PENGENALAN OBJEK RIMPANG. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) RAMADHAN _TAUFIQ_190155201054_Teknik Informatika - Cover.pdf - Published Version Download (379kB)
	Text (Abstrak) RAMADHAN _TAUFIQ_190155201054_Teknik Informatika - Abstrak.pdf - Published Version Download (164kB)
	Text (BAB I) RAMADHAN _TAUFIQ_190155201054_Teknik Informatika - Bab I.pdf - Published Version Download (235kB)
	Text (Daftar Pustaka) RAMADHAN _TAUFIQ_190155201054_Teknik Informatika - Daftar Pustaka.pdf - Published Version Download (294kB)
	Text (Full Teks) RAMADHAN _TAUFIQ_190155201054_Teknik Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Rimpang merupakan tumbuhan yang tumbuhnya menjalar di bawah permukaan tanah dan dapat menghasilkan tunas dan akar baru dari ruas-ruasnya. Biasanya disajikan setiap hari seperti minuman, makanan, dll. Banyaknya kemiripan dalam rimpang menyebabkan cendrung kesulitan untuk membedakannya. Tujuan dari penelitian ini adalah untuk mengetahui kemampuan metode You Only Look Once YOLO dalam mendeteksi jenis rimpang secara real-time yang diaplikasikan pada smartphone berbasis operasi sistem android. YOLO merupakan algoritma pendeteksian yang dilakukan dengan menggunakan repurpose classifier atau localizer untuk melakukan deteksi. Analisa yang dilakukan menggunakan dataset sebanyak 1000, 40 kelas, 16 batch. Menggunakan pembagian split data menjadi 70% data training, 20% data validasi, dan 10% data testing. Proses pelatihan hingga 300 epoch, dan penyimpanan checkpoint ke bentuk pytorch file dilakukan pada epoch 50, 100, 150, 200, 250, dan 300. Proses testing menggunakan epoch 150 karena menghasilkan nilai Precission, Recall, dan mAP terbaik. Pengujian ini dilakukan menggunakan perangkat smartphone Infinix Hot 10s dengan resolusi video berukuran 720x1640 piksel. Berdasarkan hasil pembahasan penelitian ini mendapatkan akurasi 80%.

Actions (login required)

View Item