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

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