IMPLEMENTASI SLICING AIDED HYPER INFERENCE (SAHI) DI YOU ONLY LOOK ONCE (YOLOv8) DALAM IDENTIFIKASI KUALITAS BERAS BERDASARKAN MORFOLOGI

Rahmatsyah, Agung and Arie, Vatresia and Agustin, Zarkani (2024) IMPLEMENTASI SLICING AIDED HYPER INFERENCE (SAHI) DI YOU ONLY LOOK ONCE (YOLOv8) DALAM IDENTIFIKASI KUALITAS BERAS BERDASARKAN MORFOLOGI. Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
Skripsi - Agung Rahmatsyah_compressed - agung rahmatsyah.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (2MB)

Abstract

Indonesia adalah negara agraris yang sangat bergantung pada sektor pertanian,
dengan beras sebagai komoditas utama yang menjadi makanan pokok bagi lebih 250 juta
penduduknya. Kebutuhan akan beras berkualitas tinggi sangat penting tidak hanya untuk
konsumsi domestik tetapi juga sebagai salah satu faktor penentu stabilitas ekonomi
negara. Penentuan mutu beras dipengaruhi oleh beberapa faktor yaitu persentase butir
patah, menir, utuh, dan derajat sosoh. Pemanfaatan Computer Vision yang dibangun
dengan metode YOLO (You Only Look Once) dan SAHI (Slicing Aided Hyper Inference)
dapat menjadi solusi dalam mengklasifikasi kualitas beras penelitian ini bertujuan untuk
menghasilkan model deteksi dengan dataset beras berdasarkan morfologinya.
Pengambilan data dilakukan secara langsung dengan pengambilan gambar secara manual
menggunakan smartphone kemudian dilakukan augmentasi data sehingga terdapat 558
gambar dengan total 23.776 objek. Model dilatih dengan kombinasi nilai parameter epoch
sebesar 1000, batch size 32, learning rate 0.001, momentum 0.90, weight decay 0.05
menjadi model terbaik. Pelatihan berhenti pada epoch 576 setelah tidak ada peningkatan
dalam 100 epoch terakhir. Hasil terbaik diamati pada epoch 476. Evaluasi model
dilakukan dengan menggunakan matrik mAP dan confusion matrix dengan nilai mAP@.5
sebesar 0.987. Pengujian aplikasi berbasis Android menggunakan metode black-box
testing menghasilkan nilai 100 persen tanpa error.
Kata kunci: Computer Vision, YOLOv8, SAHI, Android, Augmentas

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 58 lili haryanti
Date Deposited: 02 Oct 2025 01:18
Last Modified: 02 Oct 2025 01:18
URI: https://repository.unib.ac.id/id/eprint/26914

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200