Alhajir, Alfath Daryl (2021) IMPLEMENTASI METODE OBJECT DETECTION DENGAN ALGORITMA YOLO (YOU ONLY LOOK ONCE) UNTUK DETEKSI BERAS DAN OBJEK ASING. Undergraduate thesis, UPN "VETERAN' JAWA TIMUR.
|
Text (COVER)
Cover.pdf Download (3MB) | Preview |
|
|
Text (BAB 1)
1.pdf Download (87kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB 2)
2.pdf Restricted to Registered users only until 8 November 2023. Download (1MB) |
|
|
Text (BAB 3)
3.pdf Restricted to Registered users only until 8 November 2023. Download (496kB) |
|
|
Text (BAB 4)
4.pdf Restricted to Registered users only until 8 November 2023. Download (862kB) |
|
|
Text (BAB 5)
5.pdf Download (9kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
Dapus.pdf Download (85kB) | Preview |
Abstract
Standar SNI 6128:2020 menjelaskan kualitas beras menjadi 3 kelas berdasarkan komposisi dari komponen-komponen mutu beras, yaitu komponen mutu beras kepala, butir patah, butir menir, butir merah/hitam, butir rusak, butir kapur, benda asing, dan butir gabah, dimana beras kepala merupakan komponen mutu yang paling diinginkan dan sisanya tidak diinginkan. Dapat dilihat urgensi untuk membangun sistem atau algoritma yang dapat melakukan proses pemisahan beras tersebut dari komponen yang tidak diinginkan. Object detection merupakan tugas machine learning yang melakukan pendeteksian objek pada suatu citra, dan melakukan klasifikasi dari objek-objek tersebut yang dapat diimplementasikan dalam sistem pemisahan beras. Algoritma yang digunakan untuk object detection merupakan algoritma YOLO yang dipilih dikarenakan simplisitas dan kemudahan adaptasi model terhadap berbagai kasus penggunaan. Algoritma YOLO merupakan algoritma berbasis CNN yang merupakan algoritma berbasis neural network yang digunakan pada lingkup studi machine learning berorientasi pada pemrosesan citra atau visi komputer. Algoritma yang berhasil diimplementasikan sebagai sistem rekognisi pemisahan beras pada penelitian ini berhasil mendapatkan performa mean average precision sebesar 0.9015 mAP pada dataset pelatihan dan 0.5944 pada dataset, dimana metode seperti data augmentation, grid search digunakan dan jelas membantu performa dari model. Kata Kunci: YOLO, CNN, Sistem Pemisahan Beras, Object Detection.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105 Computer Network | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Lisa Nadya Irawan | ||||||||||||
| Date Deposited: | 08 Nov 2021 07:26 | ||||||||||||
| Last Modified: | 08 Nov 2021 07:26 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/3132 |
Actions (login required)
 |
View Item |