Klasifikasi Varian Mi Instan Menggunakan Algoritma YOLOv8

Authors

  • Deva Rahma Nugroho UNP Kediri Indonesia
  • Made Ayu Dusea Widyadara Universitas Nusantara PGRI Kediri Indonesia
  • Umi Mahdiyah Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/r8a09e23

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.

Keywords:

Confusion Matrix, Mi, YOLOv8

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

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.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Deva Rahma Nugroho, Made Ayu Dusea Widyadara, Umi Mahdiyah

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Klasifikasi Varian Mi Instan Menggunakan Algoritma YOLOv8. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(2), 1134-1140. https://doi.org/10.29407/r8a09e23