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

NANDO ALHASANAIN (2023) ANALISIS PERFORMA DETEKSI OBJEK GORILA DENGAN METODE ALGORITMA YOLOV5 MENGGUNAKAN TEKNIK CROSS VALIDATION. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf

Download (405kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only

Download (734kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only

Download (28kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf

Download (37kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only

Download (204kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only

Download (233kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only

Download (521kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only

Download (25kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (156kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only

Download (910kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

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.

Item Type: Thesis (S1)
Uncontrolled Keywords: Gorilla Conservation, Computer Vision, YOLOv5, Object Detection, Cross Validation
Divisions: Fakultas Teknik > Teknologi Informasi S1
Depositing User: M. Erdiansyah
Date Deposited: 09 Nov 2023 06:00
Last Modified: 09 Nov 2023 06:00
URI: https://etd.umy.ac.id/id/eprint/42588

Actions (login required)

View Item
View Item