PENGEMBANGAN PROTOTIPE BERBASIS WEB MENGGUNAKAN YOLO UNTUK DETEKSI DAN ESTIMASI BUAH KELAPA DALAM PRAKTIK MAJEG DI BALI

Natih, I Dewa Gede Agung Wibhisana (2026) PENGEMBANGAN PROTOTIPE BERBASIS WEB MENGGUNAKAN YOLO UNTUK DETEKSI DAN ESTIMASI BUAH KELAPA DALAM PRAKTIK MAJEG DI BALI. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2115051077-COVER.pdf
Download (2MB)
[img] Text (ABSTRAK)
2115051077-ABSTRAK.pdf
Download (10MB)
[img] Text (BAB 1 PENDAHULUAN)
2115051077-BAB 1 PENDAHULUAN.pdf
Download (10MB)
[img] Text (BAB 2 KAJIAN TEORI)
2115051077-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (10MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2115051077-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (10MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2115051077-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (10MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2115051077-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (10MB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2115051077-DAFTAR PUSTAKA.pdf
Download (10MB)
[img] Text (LAMPIRAN)
2115051077-LAMPIRAN.pdf
Download (10MB)

Abstract

Sistem perdagangan tradisional kelapa di Bali yang dikenal sebagai majeg masih menghadapi kendala dalam estimasi jumlah buah yang dilakukan secara manual melalui pengamatan visual di lapangan. Keterbatasan pandangan akibat posisi buah yang tinggi dan terhalang dedaunan sering kali menyebabkan kesalahan perhitungan yang berdampak pada kerugian ekonomi bagi petani maupun pemajeg. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi prototipe berbasis web menggunakan algoritma You Only Look Once (YOLO) versi 11 untuk deteksi dan estimasi jumlah buah kelapa secara otomatis. Metode penelitian meliputi pembangunan dataset kustom sebanyak 254 gambar, pelatihan tiga varian model (YOLOv11n, s, dan m) dengan tiga jenis optimizer (SGD, Adam, dan AdamW), serta analisis Cost and Benefit (CBA) untuk menentukan model paling optimal. Hasil penelitian menunjukkan bahwa model YOLOv11n dengan optimizer SGD merupakan konfigurasi terbaik dengan skor akhir 2,8662. Meskipun varian YOLOv11m memiliki akurasi absolut tertinggi, YOLOv11n-SGD memberikan titik trade-off paling ideal antara akurasi (mAP50 sebesar 0,926) dan efisiensi komputasi yang ekstrem untuk implementasi berbasis web. Prototipe yang dikembangkan berhasil mengintegrasikan model tersebut dengan backend FastAPI dan mencapai cakupan kode (code coverage) sebesar 99% pada pengujian White Box. Sistem ini diharapkan dapat meningkatkan transparansi dan efisiensi dalam transaksi majeg di lapangan.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Majeg, Deteksi Objek, YOLOv11, Kelapa, Prototipe Web.
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1)
Depositing User: I Dewa Gede Agung Wibhisana Natih
Date Deposited: 22 Jan 2026 08:47
Last Modified: 22 Jan 2026 08:47
URI: http://repo.undiksha.ac.id/id/eprint/27636

Actions (login required)

View Item View Item