INTEGRASI METODE YOU ONLY LOOK ONCE (YOLOv7) DALAM IDENTIFIKASI ANGGREK ALAM (STUDI KASUS: BUDIDAYA ANGGREK, KELURAHAN SURABAYA)

YUSNI, MEIHESA and Arie, Vatresia and Atra, Romeida (2023) INTEGRASI METODE YOU ONLY LOOK ONCE (YOLOv7) DALAM IDENTIFIKASI ANGGREK ALAM (STUDI KASUS: BUDIDAYA ANGGREK, KELURAHAN SURABAYA). Undergraduated thesis, Universitas Bengkulu.

Archive (Thesis) G1A019036_YUSNI MEIHESA_SKRIPSI - Yusni Meihesa.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (10MB)

Abstract

Identifikasi anggrek menjadi salah satu hal yang penting agar dapat mengetahui jenis tanaman tersebut. Dalam penelitian ini, dilakukan identifikasi anggrek sampai ke tahap genus sebagai bentuk pengembangan teknologi dalam membantu identifikasi tanaman ini serta sebagai bahan pembelajaran dan media informasi. Penggunaan teknologi deteksi objek menggunakan algoritma YOLOv7 yang akan di-deployment sampai ke tahap android menjadi salah satu solusi yang tepat untuk permasalahan ini. Pengumpulan data dilakukan dengan melakukan observasi langsung ke lapangan dan menghasilkan lima genus anggrek yaitu Coelogyne, Dendrobium, Oncidium, Phalenopsis dan Vannda dengan jumlah sebanyak 4569 data citra yang sudah melalui tahap preprocessing dan augmentasi. Kombinasi nilai parameter epoch sebesar 1000, batch size 32, learning rate 0.001, momentum 0.92, dan weight decay 0.005 menjadi model terbaik. Penulis melakukan evaluasi pada model tersebut menggunakan data uji sebanyak 458 data citra terhadap model tersebut menggunakan Mean Average Precision (mAP) dan Confusion Matrix dengan nilai mAP@.5 sebesar 0,996. Kemudian dilakukan juga pengujian berdasarkan beberapa kondisi yang menghasilkan kesimpulan bahwa model tersebut bekerja maksimal dengan satu tanaman yang diletakkan pada latar polos. Pengujian aplikasi berbasis android menggunakan metode black-box testing menghasilkan nilai 100% tanpa error. Kata Kunci: Anggrek, Identifikasi, Object Detection, YOLOv7, Android

Actions (login required)

View Item