Prasetia, I Putu Widia (2025) KLASIFIKASI CITRA REMPAH BAHAN DASAR PEMBUATAN BUMBU BALI BASE GENEP BERBASIS DEEP LEARNING DENGAN YOLOV8. Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2229101053-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
2229101053-ABSTRAK.pdf Download (29kB) |
|
Text (BAB 1 PENDAHULUAN)
2229101053-BAB 1 PENDAHULUAN.pdf Download (49kB) |
|
Text (BAB 2 KAJIAN TEORI)
2229101053-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (METODELOGI PENELITIAN)
2229101053-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2229101053-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2229101053-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (37kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2229101053-DAFTAR PUSTAKA.pdf Download (180kB) |
|
Text (LAMPIRAN)
2229101053-LAMPIRAN.pdf Download (134kB) |
Abstract
Indonesia terkenal dengan negara yang memiliki hasil kekayaan alam yang melimpah, salah satunya adalah rempah-rempah. Beberapa jenis rempah seperti jahe, kunyit, kencur, lengkuas, merica, dan ketumbar memiliki kemiripan secara visual sehingga sering menimbulkan kesulitan dalam proses identifikasi. Untuk mengatasi permasalahan ini, diperlukan suatu model klasifikasi otomatis yang mampu melakukan klasifikasi jenis rempah berbasis citra guna memudahkan proses identifikasi secara akurat dan efisien. Penelitian ini bertujuan untuk membangun model klasifikasi otomatis berbasis YOLOv8. Pengembangan model dalam penelitian ini menggunakan 5 varian arsitektur dari YOLOv8, yaitu YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l, dan YOLOv8x. Dataset citra rempah yang digunakan dalam melatih model diperoleh melalui proses akuisisi langsung dengan menggunakan smartphone dan dibagi ke dalam data training, validation, dan testing untuk pelatihan model. Proses pelatihan model menggunakan 15 skenario konfigurasi model. Hasil evaluasi model menunjukkan bahwa model skenario M3 (YOLOv8m-SGD) sebagai model terbaik diantara hasil performa pelatihan model lainnya. Model skenario M3 menghasilkan nilai mAP50-95 sebesar 0.6233 dan F1-Score sebesar 0.74775. Hasil penelitian menunjukkan bahwa model YOLOv8 mampu melakukan klasifikasi secara otomatis terhadap 6 jenis rempah dengan tingkat akurasi yang cukup tinggi. Model klasifikasi ini dapat berkontribusi dalam membantu masyarakat mengenali rempah memiliki kemiripan secara visual, meminimalkan risiko kesalahan dalam penggunaannya, serta dapat dimanfaatkan sebagai media edukasi digital terhadap pengenalan rempah-rempah asli Indonesia.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi, Rempah-rempah, Basis Genep, Deep Learning, YOLOv8 |
| Subjects: | Q Science > Q Science (General) T Technology > T Technology (General) |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | I Putu Widia Prasetia |
| Date Deposited: | 30 Jul 2025 01:21 |
| Last Modified: | 30 Jul 2025 01:21 |
| URI: | http://repo.undiksha.ac.id/id/eprint/26262 |
Actions (login required)
 |
View Item |