Dinataputra, I Gusti Ngurah Surya Ardika (2026) EVALUASI PERFORMA ALGORITMA FASTER R- CNN, YOLOV7, DAN SSD UNTUK KLASIFIKASI BINER DAN PENGHITUNGAN BUAH JERUK PADA CITRA TUNGGAL. Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2329101061-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
2329101061-ABSTRAK.pdf Download (43MB) |
|
Text (BAB 1 PENDAHULUAN)
2329101061-BAB 1 PENDAHULUAN.pdf Download (43MB) |
|
Text (BAB 2 KAJIAN TEORI)
2329101061-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (43MB) | Request a copy |
|
Text (BAB 3 METODOLOGI PENELITIAN)
2329101061-BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (43MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2329101061-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (43MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2329101061-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (43MB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2329101061-DAFTAR PUSTAKA.pdf Download (43MB) |
|
Text (LAMPIRAN)
2329101061-LAMPIRAN.pdf Download (3MB) |
Abstract
Penghitungan jumlah buah jeruk pada pohon secara manual sering kali membutuhkan waktu yang lama dan berpotensi menimbulkan ketidakakuratan, sehingga dapat memengaruhi proses estimasi hasil panen dan penentuan nilai transaksi antara petani dan pengepul. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi performa algoritma Faster R-CNN, YOLOv7, dan SSD dalam melakukan klasifikasi biner objek jeruk serta penghitungan jumlah buah jeruk pada citra tunggal sisi pohon. Dataset yang digunakan terdiri atas data primer berupa citra jeruk siam yang diambil secara langsung di Desa Belantih, Kecamatan Kintamani, Kabupaten Bangli, serta data sekunder dari COCO dataset. Data primer terdiri atas 634 citra untuk pelatihan dan validasi serta 240 citra untuk pengujian, sedangkan data sekunder terdiri atas 1784 citra jeruk yang digunakan untuk memperluas variasi visual selama pelatihan. Setiap model dilatih selama 50 epoch pada tiga variasi ukuran input, yaitu 416×416, 640×640, dan 800×800. Evaluasi performa dilakukan berdasarkan train loss, validation loss, precision, recall, F1-score, mAP@0,5, visualisasi hasil deteksi, dan latensi deteksi satu citra. Hasil penelitian menunjukkan bahwa SSD memperoleh precision tertinggi sebesar 0,9095 pada ukuran input 640×640. Namun, YOLOv7 menunjukkan performa terbaik secara keseluruhan dengan recall tertinggi sebesar 0,8607 pada ukuran input 800×800, F1-score tertinggi sebesar 0,8561 pada ukuran input 800×800, dan mAP@0,5 tertinggi sebesar 0,9263 pada ukuran input 640×640. Dari sisi latensi, YOLOv7 juga menjadi model paling efisien dengan waktu deteksi 3,4–3,5 detik per citra, lebih rendah dibandingkan SSD dan Faster R-CNN. Berdasarkan hasil tersebut, YOLOv7 merupakan model yang paling sesuai untuk deteksi dan penghitungan buah jeruk pada citra tunggal karena memiliki keseimbangan terbaik antara akurasi deteksi, kelengkapan objek yang terdeteksi, dan efisiensi inferensi.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | deteksi objek, klasifikasi biner, penghitungan buah jeruk, citra tunggal pohon jeruk, Faster R-CNN, YOLOv7, SSD |
| Subjects: | S Agriculture > S Agriculture (General) T Technology > T Technology (General) T Technology > TR Photography |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | I Gusti Ngurah Surya Ardika Dinataputra |
| Date Deposited: | 26 Jul 2026 12:25 |
| Last Modified: | 26 Jul 2026 12:25 |
| URI: | http://repo.undiksha.ac.id/id/eprint/31489 |
Actions (login required)
 |
View Item |