MODEL OBJECT DETECTION DAN INSTANCE SEGMENTATION PADA PETAK SAWAH MENGMENGGUNAKAN MASK RCNN

putra, Putu Andika Eka (2023) MODEL OBJECT DETECTION DAN INSTANCE SEGMENTATION PADA PETAK SAWAH MENGMENGGUNAKAN MASK RCNN. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1915101029_COVER.pdf
Download (1MB)
[img] Text (ABSTRAK)
1915101029_ABSTRAK.pdf
Download (443kB)
[img] Text (BAB 1 PENDAHULUAN)
1915101029_BAB 1 PENDAHULUAN.pdf
Download (321kB)
[img] Text (BAB 2 KAJIAN TEORI)
1915101029_BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (736kB) | Request a copy
[img] Text (BAB 3 METODOLOGI PENELITIAN)
1915101029_BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (739kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMABAHASAN)
1915101029_BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1915101029_BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (313kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1915101029_DAFTAR PUSTAKA.pdf
Download (271kB)
[img] Text (LAMPIRAN)
1915101029_LAMPIRAN.pdf
Download (816kB)

Abstract

Penelitian ini membahas pengembangan model object detection dan instance segmentation yang khusus digunakan untuk sawah dengan menggunakan Metode Mask Region based convolutional neural netwok (Mask RCNN)RCNN). Latar belakang dari penelitian ini berasal dari potensi penerapan Unmanned Aerial Vehicle (UAV) UAV), atau drone , dalam otomasi pertanian. Dengan mampu membedakan antara setiap petak padi, model yang diusulkan mempermudah tugas seperti penyemprotan pestisida yang tepat dan penyebaran pupuk dengan campur tangan manusia yang minimal. Untuk membuat model ini, digunakan dataset yang terdiri dari citra petak padi yang diambil oleh drone , yang telah diberi label secara teliti dengan binary mask , serta pretrained mod el dari library PyTorchvision . Model yang dikembangkan menunjukkan performa yang konsisten dan akurat dalam object detection dan instance segmentation pada dataset uji yang ditentukan. Model ini berhasil mencapai skor F1 rata rata lebih dari 98% dan akuras i rata rata lebih dari 97%. Selain itu, model ini mampu mendeteksi jumlah objek dengan benar, dengan perbedaan prediksi rata rata kurang dari 0,15. Model yang diusulkan juga menunjukkan kecepatan yang baik, hanya membutuhkan rata rata 0,125 detik untuk mem proses setiap citra. Temuan ini menyimpulkan bahwa model ini mampu melakukan instance segmentation pada sawah secara real time dan secara konsisten, serta dapat diterapkan dalam pertanian dengan menggunakan drone untuk membantu otomasi proses penyemprotan pestisida dan penyebaran pupuk. Secara keseluruhan, penelitian ini menyajikan model Mask RCNN yang handal yang dapat mendeteks i dan melakukan segmentasi pada petak petak padi dengan akurasi tinggi, serta cocok untuk integrasi dengan sistem pertanian berbasis UAV . Dengan otomasi penyemprotan pestisida dan penyebaran pupuk melalui model ini, efisiensi dapat ditingkatkan secara sign ifikan dan keterlibatan manusia dalam budidaya padi dapat dikurangi.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Object detection, Instance segmentation, Mask RCNN, Machine learning, sawah
Subjects: Q Science > Q Science (General)
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1)
Depositing User: Putu Andika Eka Putra
Date Deposited: 26 Jul 2023 04:54
Last Modified: 26 Jul 2023 04:54
URI: http://repo.undiksha.ac.id/id/eprint/16517

Actions (login required)

View Item View Item