Implementasi Metode Deteksi Objek Berbasis Deep Learning untuk Mengidentifikasi Lalat Buah Salak

Desri Wahyuni, Indah (2024) Implementasi Metode Deteksi Objek Berbasis Deep Learning untuk Mengidentifikasi Lalat Buah Salak. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (249kB)
	PDF BAB_I.pdf Download (121kB)
	PDF BAB_II.pdf Download (121kB)
	PDF BAB_III.pdf Download (760kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (117kB)
	PDF DAFTAR_PUSTAKA.pdf Download (117kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (53kB)

Abstract

Project EPICS in IEEE untuk Sistem Pertanian Pintar dengan Integrasi Artificial Intelligence dan Internet of Things untuk Peramalan dan Pengelolaan Hama yang dilakukan oleh Fakultas Teknik dan Informatika Universitas Multimedia Nusantara yang berkolaborasi dengan CV. Mitra Turindo ditujukan untuk membantu para petani dalam menginformasikan data kondisi lahan pertanian secara real-time. Dalam project ini, penulis ditugaskan untuk dapat membuat sistem deteksi otomatis untuk mengidentifikasi lalat buah pada salak di lahan pertanian. Pembuatan sistem deteksi otomatis ini dengan melakukan pelatihan pada model Yolo V3, Yolo V5, Yolo V7, Yolo V8. dan Fast RCNN untuk mendapatkan performa yang terbaik dengan komputasi yang ringan. Pelatihan model tersebut dengan menggunakan dataset yang digunakan. Selama proses pelatihan model menggunakan platform Google Collab, namun karena akun gratis maka terdapat pembatasan penggunaan GPU sehingga membuat kesulitan dan memakan banyak waktu. Agar proses pelatihan berjalan lancar, maka menggunakan akun Pro Google Collab milik supervisi. Hasil pelatihan yang berupa Precision, Recall, dan mAP akan dianalisis dan dibandingkan skemanya untuk mendapatkan yang terbaik. Hasil akhir dari perancangan dan pengembangan sistem deteksi otomatis yang berbasis deep learning diperoleh model Yolo V5 memiliki performa terbaik dengan komputasi yang ringan. Hal ini dibuktikan dengan hasil nilai matrik evaluasi precision 0.943, recall 0.947, dan mAP 0.946 dengan waktu deteksi sebesar 12 ms.

Item Type:	Thesis (MBKM)
Keywords:	Deep Learning, Deteksi Objek, Matrik Evaluasi 7 Implementasi Metode Deteksi Objek..., Indah Desri Wahyuni, Universitas Multimedia Nusantara
Subjects:	?? TK7885-7895 ??
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	07 Nov 2024 07:02
Last Modified:	07 Nov 2024 07:02
URI:	https://kc.umn.ac.id/id/eprint/32684

Actions (login required)

View Item