Dinataputra, I Gusti Ngurah Surya Ardika (2023) PENGEMBANGAN MODEL DETEKSI BUAH JERUK MENGGUNAKAN YOLOV4 DENGAN COCO DATASET. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1915101040-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
1915101040-ABSTRAK.pdf Download (149kB) |
|
Text (BAB 1 PENDAHULUAN)
1915101040-BAB 1 PENDAHULUAN.pdf Download (157kB) |
|
Text (BAB 2 KAJIAN TEORI)
1915101040-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (720kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1915101040-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (458kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1915101040-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1915101040-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (151kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1915101040-DAFTAR PUSTAKA.pdf Download (213kB) |
|
Text (LAMPIRAN)
1915101040-LAMPIRAN.pdf Download (336kB) |
Abstract
Pada penelitian ini, peneliti ingin membuat solusi alternatif dalam mengatasi permasalahan penghitungan buah jeruk saat masa panen. Dalam proses pemanenan, sangat diperlukan informasi terkait banyaknya buah jeruk yang ada di suatu kebun agar bisa ditentukan harga beli yang akan dikeluarkan saudagar dan diterima petani. Dalam proses perhitungan ini seringkali terdapat kesalahan yang bisa berujung kepada kerugian yang dialami kedua pihak. Oleh karena itu peneliti ingin mengembangkan model deteksi objek yang diharapkan bisa membantu penggunanya untuk mendeteksi berapa buah jeruk yang terdapat pada sebuah sisi pohon jeruk yang nantinya bisa diakumulasikan. Hal yang menjadi fokus dalam penelitian ini yaitu pengembangan, implementasi, dan evaluasi 2 model deteksi dengan perbedaan jumlah kelas dataset. Dalam proses pengembangan, peneliti memilih menggunakan metode Deep Learning dimana diantara algoritma yang terdapat dalam metode Deep Learning ini, peneliti memilih menggunakan algoritma YOLOv4. Dalam proses pengembangan model deteksi objek ini khususnya dalam proses pelatihan, peneliti memilih untuk menggunakan COCO Dataset. Untuk menguji model yang sudah dihasilkan, peneliti menggunakan metode mean average precision (mAP) dan deteksi manual terhadap 20 foto. Hasil yang didapat yaitu 85,78% untuk model 1 kelas data dan 33,52% untuk model 2 kelas data dengan metode mAP serta 82% dan 55% untuk metode manual. Dengan hasil tersebut disimpulkan bahwa model deteksi objek yang dibuat memiliki potensi untuk membantu dalam mengatasi permasalahan petani dan saudagar jeruk.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Deteksi Objek, Deep Learning, YOLOv4, Single Stage Models, COCO Dataset |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | I Gusti Ngurah Surya Ardika Dinataputra |
| Date Deposited: | 23 Feb 2023 13:06 |
| Last Modified: | 23 Feb 2023 13:06 |
| URI: | http://repo.undiksha.ac.id/id/eprint/14730 |
Actions (login required)
 |
View Item |