Sistem Klasifikasi Ukuran Udang Berdasarkan Panjang Menggunakan Segmentasi Citra Berbasis YOLO

SYAIKHUL AWWALI, Sri Hartati, M.Sc., Ph.D., Prof

2022 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Computer vision merupakan disiplin ilmu yang bertujuan agar suatu komputer dapat memiliki kemampuan dalam melihat suatu objek yang serupa dengan mata manusia. Komputer membutuhkan proses segmentasi yang merupakan suatu proses yang bertujuan untuk memilih dan memisahkan suatu objek dari keseluruhan citra. You Only Look Once (YOLO) adalah pendekatan baru untuk mendeteksi beberapa objek yang ada dalam gambar secara real-time sambil menggambar kotak pembatas di sekitarnya. Penelitian ini menggunakan metode YOLOv5 karena memiliki beberapa peningkatan dalam mendeteksi objek dan nilai akurasi yang lebih tinggi daripada versi sebelumnya. Penelitian ini menguji performa klasifikasi udang berdasarkan ukuran bounding box YOLOv5. Hasil penelitian ditinjau dari nilai akurasi, precission, recall, dan F1-score. Nilai akurasi sebesar 80 persen, yang diperoleh dari jumlah prediksi yang benar 56 data dari total jumlah data sebanyak 70 data. sebesar 100 persen untuk kelas kecil, 58,62 persen untuk kelas sedang dan 71,43 persen untuk kelas besar. Nilai recall sebesar 73,91 persen untuk kelas kecil, 89,47 persen untuk kelas sedang dan 100 persen untuk kelas besar. Sedangkan untuk nilai F1score didapatkan nilai sebesar 85 persen untuk kelas kecil, 70,83 persen untuk kelas sedang dan 83,33 persen untuk kelas besar.

Computer vision is a scientific discipline that aims for a computer to have the ability to "see" an object similar to the human eye. The computer requires a segmentation process which is a process that aims to select and separate an object from the entire image. You Only Look Once (YOLO) is a new approach for detecting multiple objects present in an image in real-time while drawing a bounding box around them. This study uses the YOLOv5 method because it has several improvements in detecting objects and a higher accuracy value than the previous version. This study tested the performance of shrimp classification based on the size of the bounding box YOLOv5. The results of the study were reviewed from the value of accuracy, precision, recall, and F1score. The accuracy value is 80 percent, which is obtained from the number of correct predictions 56 data from the total amount of data as much as 70 data. by 100 percent for the small class, 58,62 percent for the medium class and 71.43 percent for the large class. The recall value is 73.91 percent for the small class, 89.47 percent for the medium class and 100 percent for the large class. Meanwhile, for the F1score value obtained a value of 85% for the small class, 70.83 percent for the medium class and 83.33 percent for the large class.

Kata Kunci : Computer Vision, YOLOv5, Klasifikasi Ukuran