Peningkatan Performa Deteksi dan Penghitungan Lalat Buah Salak pada Model YOLOv5s melalui Strategi Optimasi Dataset dan Modifikasi Arsitektur

Gian Avila Putra, Paskasius (2026) Peningkatan Performa Deteksi dan Penghitungan Lalat Buah Salak pada Model YOLOv5s melalui Strategi Optimasi Dataset dan Modifikasi Arsitektur. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (638kB)
	PDF BAB_I.pdf Download (4MB)
	PDF BAB_II.pdf Download (11MB)
	PDF BAB_III.pdf Download (11MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (50MB)
	PDF BAB_V.pdf Download (1MB)
	PDF DAFTAR_PUSTAKA.pdf Download (2MB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)

Abstract

Petani salak Paguyuban Mitra Turindo menghadapi permasalahan terkait ketidakakuratan penghitungan lalat buah dan kesalahan deteksi pada Model Sebelumnya. Penelitian ini bertujuan mengatasi permasalahan tersebut melalui pengembangan model berbasis YOLOv5s secara bertahap, yang terbagi menjadi Fase 1 melalui optimasi dataset (validasi dan perluasan) serta Fase 2 melalui modifikasi arsitektur dengan penambahan Convolutional Block Attention Module (CBAM) dan optimasi dataset lanjutan dengan penerapan metode undersampling. Evaluasi model menggunakan metrik mean Average Precision ([email protected]) untuk performa deteksi, serta Average Detection Accuracy (ADA) untuk akurasi penghitungan. Hasil pengujian menunjukkan peningkatan performa yang signifikan dari Model Sebelumnya ke Model Fase 2, di mana nilai [email protected] meningkat dari 0.619 menjadi 0.796, serta ADA yang meningkat dari 60.66% menjadi 96.01%. Peningkatan ini didukung oleh metrik MAE sebagai salah satu metrik pendukung untuk perhitungan objek yang menurun dari 8.09 menjadi 0.13, yang mengonfirmasi bahwa model hampir tidak memiliki selisih kesalahan dengan kondisi riil. Kesimpulannya, integrasi optimasi dataset dan penyempurnaan arsitektur terbukti efektif memperkuat kemampuan model dalam membedakan ciri visual objek secara detail, sehingga menghasilkan sistem yang stabil, akurat, dan selaras dengan kebutuhan operasional petani.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Gian Avila Putra, Paskasius (00000070288)
Contributors:	Shabrina, Nabila Husna
Keywords:	Deteksi Objek, Perhitungan Objek, Lalat Buah, YOLOv5s
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
Date Deposited:	28 Jan 2026 08:11
URI:	https://kc.umn.ac.id/id/eprint/44251

Actions (login required)

View Item