ANALISIS PERFORMA DETEKSI OBJEK GORILA DENGAN METODE ALGORITMA YOLOV5 MENGGUNAKAN TEKNIK CROSS VALIDATION

Konservasi hewan gorila menjadi semakin penting seiring dengan statusnya yang terancam punah. Konservasi memegang peran sentral dalam menjaga kelangsungan hidup spesies gorila. Pemantauan gorila dengan metode konvensional seperti pemantauan langsung memiliki keterbatasan dalam hal biaya, waktu, dan akurasi. Kemajuan dalam bidang Computer Vision memberikan peluang baru untuk mengatasi masalah ini. Penelitian ini membahas penggunaan teknologi Computer Vision, khususnya algoritma YOLOv5 (You Only Look Once version 5). Metode pemantauan gorila dilakukan dengan pembentukan suatu model deteksi dari inputan dataset yang kemudian diolah oleh algoritma YOLOv5. Model yang terbentuk dapat digunakan dalam mendeteksi objek gorila di lingkungan alam dengan mengintegrasikannya ke dalam kamera pemantauan.Penelitian ini bertujuan untuk menganalisis kinerja algoritma YOLOv5 dalam mendeteksi objek gorila dengan menggabungkan teknik Cross Validation. Hasilnya menunjukkan bahwa model memiliki performa yang baik dengan akurasi mAP_0.5 yang stabil di atas 93%. Analisis menunjukkan peningkatan signifikan dalam akurasi, yang dapat menguntungkan pemantauan dan konservasi gorila di masa depan. Penelitian ini dapat memberikan kontribusi berharga dalam upaya pelestarian spesies gorila dan menjaga keanekaragaman hayati.