Skripsi

IMPLEMENTASI DAN PERBANDINGAN PERFORMA YOLOV8, DAN STF-YOLO PADA SISTEM OBJECT DETECTION BERBASIS DEEP LEARNING

---

Penelitian ini membahas implementasi dan perbandingan performa dua model deteksi objek berbasis deep learning, yaitu YOLOv8m dan STF-YOLOm (Swin Transformer Fusion YOLO). Tujuan penelitian ini adalah merancang model deteksi kendaraan menggunakan citra lalu lintas dari CCTV serta menganalisis performanya berdasarkan metrik evaluasi seperti precision, recall, dan mean Average Precision (mAP). Dataset diproses melalui tahapan preprocessing (resize dan auto-orient), augmentasi data (noise, flip, dan brightness adjustment), serta dibagi menjadi data latih, validasi, dan uji. Hasil penelitian menunjukkan bahwa model STF-YOLOm memberikan peningkatan performa dibandingkan YOLOv8m. Nilai precision meningkat dari 95,1% menjadi 95,5%, recall dari 90,5% menjadi 92,9%, dan mAP@0.5 dari 95,6% menjadi 96,2%. Namun, YOLOv8m tetap unggul pada mAP@0.5–0.95 dengan nilai 81,2% serta memiliki waktu inferensi lebih cepat (9,7 detik) dibandingkan STF-YOLOm (20 detik). Integrasi Swin Transformer terbukti meningkatkan akurasi deteksi, terutama pada objek kecil, meskipun memerlukan sumber daya komputasi lebih tinggi. Dengan demikian, YOLOv8m lebih sesuai untuk aplikasi real-time, sedangkan STF-YOLOm lebih cocok untuk skenario yang menuntut akurasi tinggi.

---

Availability

Detail Information

Series Title

-

Call Number

T1854542025

Publisher

Indralaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya., 2025

Collation

xiii, 79 hlm.; ilus.; tab.; 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

519.207

Content Type

Text

Media Type

unmediated

Carrier Type

other (computer)

Edition

-

Subject(s)

Prodi Sistem Komputer
Teori Deteksi

Specific Detail Info

-

Statement of Responsibility

MI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment