Keywords
Mi
YOLOv8
How to Cite
Abstract
Deteksi objek yang merupakan bagian dari computer vision, telah banyak digunakan di berbagai bidang industri terutama perdagangan atau ritel. Salah satu algoritma deteksi objek yang dapat digunakan adalah YOLOv8, dikenal karena kemampuannya yang akurat dalam melakukan deteksi secara real-time. Penelitian ini, berfokus pada pembuatan model deteksi objek untuk produk mi instan menggunakan algoritma YOLOv8. Tujuan dari penelitian ini adalah untuk mengetahui performa algoritma YOLOv8 dalam memprediksi sebuah produk mi instan. Dalam proses training, dilakukan beberapa experiment untuk mengetahui komposisi dalam memperoleh hasil terbaik. Model diukur menggunakan confusion matrix dan hasil terbaik didapat saat model dilatih menggunakan epoch 50 dan batch 32, model mendapat nilai mAP50-95 sebesar 0.635. Meskipun masih dibawah nilai normal yaitu 0.7, model ini sudah cukup baik jika diterapkan ke sistem. Untuk semua kelas, model tersebut memiliki nilai precision 0.97 dan recall 0.969, nilai ini cukup tinggi untuk model yang dilatih dengan total 1050 gambar.
References
[1] I. Ridho and H. F. Dhomas, “Kajian Pengaruh Dataset dan Bias Dataset Terhadap Performa Akurasi Deteksi Objek, ” Jurnal Pengkajian dan Penerapan Teknik Informatika, vol. 14, no. 2, 2021.
[2] L. Rahma, H. Syaputra, A. H. Mirza, and S. D. Purnamasari, “Objek Deteksi Makanan Khas Palembang Menggunakan Algoritma YOLO (You Only Look Once),” Jurnal Nasional Ilmu Komputer, vol. 2, no. 3, 2021.
[3] R. N. Zakaria, R. Wulanningrum, and A. B. Setiawan, “Penerapan Segmentasi Wajah Menggunakan YOLOv8 Untuk Presensi Mata Kuliah,” Prosiding SEMINAS INOTEK (Seminar Nasional Inovasi Teknologi), vol. 8, 2024.
[4] A. A. Alhanafi and A. Kurniawardhani, “Deteksi Objek Untuk Produk Retail Dengan TensorFlow 2,” Jurnal Ilmiah Teknologi Sistem Informasi, vol. 5, no. 4, 2024.
[5] A. Carolina and Lina, “Sistem Penjualan Dengan Pengenalan Produk Secara Otomatis Menggunakan YOLO,” Jurnal Sistem Informasi dan Teknik Komputer, vol. 8, no. 2, 2023.
[6] A. Setiyadi, E. Utami, and D. Ariatmanto, “Analisa Kemampuan Algoritma YOLOv8 Dalam Deteksi Objek Manusia Dengan Metode Modifikasi Arsitektur,” J-SAKTI (Jurnal Sains Komputer dan Informatika), vol. 7, no. 2, pp. 891-901, 2023.
[7] C. Husnan, Fatichah, and R. Dikairono, “Deteksi Objek Menggunakan Metode YOLO dan Implementasinya Pada Robot Bawah Air,” Jurnal Teknik ITS, vol. 12, no. 3, 2023.
[8] Ardiansyah, Risnita, and M. S. Jailani, “Teknik Pengumpulan Data Dan Instrumen Penelitian Ilmiah Pendidikan Pada Pendekatan Kualitatif dan Kuantitatif,” Jurnal Pendidikan Islam, vol. 1, no. 2, 2023.
[9] Yanto, A. Faruq and Irmawati, “Yolo-v8 Peningkatan Algoritma Untuk Deteksi Pemakaian Masker Wajah,” vol. 7, no. 3, 2023.
[10] A. Roni and Y. Amri, “Sentimen Analisis Aplikasi Posaja Pada Google Playstore Untuk Peningkatan Pospay Superapp Menggunakan Support Vector Meachine,” Jurnal Teknik Informatika, vol. 16, no. 2, 2024.
[11] N. Robi and E. D. Kania, “Penerapan Algoritma K-Nearest Neighbor Dan Fitur Ekstraksi N-Gram Dalam Analisis Sentimen Berbasis Aspek,” Jurnal Ilmiah Komputer dan Informatika, vol. 12, no. 1, 2023.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Deva Rahma Nugroho, Made Ayu Dusea Widyadara, Umi Mahdiyah