Keywords
deteksi objek
Gunpla
YOLOv7
How to Cite
Abstract
Gunpla merupakan action figure berbentuk robot dari waralaba Gundam yang terus berkembang dan memiliki detail kompleks. Hal ini menyulitkan kolektor maupun masyarakat awam dalam mengidentifikasi keberadaan Gunpla secara cepat dan akurat. Penelitian ini bertujuan mengembangkan sistem deteksi otomatis Gunpla menggunakan algoritma YOLOv7 yang mampu mengenali objek dengan tepat. Dataset citra Gunpla dikumpulkan dari berbagai sudut pandang dan dilabeli menggunakan Roboflow. Model dilatih menggunakan Google Colaboratory dengan memanfaatkan sumber daya GPU secara gratis. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi objek Gunpla dengan nilai mAP sebesar 99,3% dan waktu prediksi yang cepat. Sistem ini berpotensi menjadi solusi praktis dalam mengidentifikasi keberadaan Gunpla secara visual dan dapat dikembangkan lebih lanjut untuk skenario pengguna lainnya.
References
[1] A. Krisdianto, A. W. Purwantiasning, and W. Aqli, “Penerapan Arsitektur Futuristik Terhadap Bangunan Gundam Base Indonesia Di Jakarta,” Jurnal Arsitektur PURWARUPA, vol. 02, no. No.1, p. 10, 2018, [Online]. Available: www.1999.co.jp/eng,
[2] J. Nurhakiki et al., “Studi Kepustakaan: Pengenalan 4 Algoritma Pada Pembelajaran Deep Learning Beserta Implikasinya,” Jurnal Pendidikan Berkarakter, no. 1, pp. 270–281, 2024, [Online]. Available: https://doi.org/10.51903/pendekar.v2i1.598
[3] D. Anggreani, “Peningkatan Metode YOLOv7 Dengan Proses Augmentasi Image Pada Klasifikasi Jenis Kupu-Kupu YOLOv7 Method Improvement With Image Augmentation Process In Classification of Butterfly species,” Jtsi, vol. 4, no. 2, pp. 243–253, 2023.
[4] K. Khairunnas, E. M. Yuniarno, and A. Zaini, “Pembuatan Modul Deteksi Objek Manusia Menggunakan Metode YOLO untuk Mobile Robot,” Jurnal Teknik ITS, vol. 10, no. 1, 2021, doi: 10.12962/j23373539.v10i1.61622.
[5] R. Gelar Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 1, pp. 55–60, 2023, doi: 10.47233/jteksis.v5i1.750.
[6] F. Rachmawati and D. Widhyaestoeti, “Deteksi Jumlah Kendaraan di Jalur SSA Kota Bogor Menggunakan Algoritma Deep Learning YOLO,” Prosiding LPPM UIKA Bogor, pp. 360–370, 2020.
[7] R. S. Passa, S. Nurmaini, and D. P. Rini, “DETEKSI TUMOR OTAK PADA MAGNETIC RESONANCE IMAGING MENGGUNAKAN YOLOv7,” Jurnal Ilmiah Matrik, vol. 25, no. 2, pp. 116–121, 2023, doi: 10.33557/jurnalmatrik.v25i2.2404.
[8] A. Susanto, I. U. W. Mulyono, and S. Sudaryanto, “Deteksi Gerak Pada Video Gerak Lansia Berbasis Yolo-V5 Dan Yolo-V7,” Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi), vol. 8, no. 01, pp. 108–112, 2024, doi: 10.30998/semnasristek.v8i01.7142.
[9] N. J. Hayati, D. Singasatia, and M. R. Muttaqin, “Object Tracking Menggunakan Algoritma You Only Look Once (YOLO)v8 untuk Menghitung Kendaraan,” Komputa : Jurnal Ilmiah Komputer dan Informatika, vol. 12, no. 2, pp. 91–99, 2023, doi: 10.34010/komputa.v12i2.10654.
[10] E. Febrywinata, “Pengenalan Dan Klasifikasi Jenis Buah Menggunakan Metode CNN Secara Sederhana Dengan Menggunakan Google Colab,” vol. 2, no. 4, 2024.
[11] R. M. Raihan and S. Yulianto, “Penerapan Pemrograman Python Dalam Menentukan Waktu Overhoul Kondensor Turbin Uap,” Jurnal Konversi Energi dan Manufaktur, vol. 8, no. 1, pp. 49–57, 2023, doi: 10.21009/jkem.8.1.6.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Dio Dwi Iswoyo, Made Ayu Dusea Widyadara, Umi Mahdiyah