Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Arfany Dhimas Muftareza Muftareza
Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS OPTIMASI MODEL YOLOv8 UNTUK DETEKSI JENIS AWAN PADA JETSON NANO Arfany Dhimas Muftareza Muftareza; Agustina Rachmawardani; Hapsoro Agung Nugroho; Marzuki Sinambela
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.11023

Abstract

Penerapan deteksi jenis awan berbasis deep learning pada perangkat edge menghadapi keterbatasan sumber daya komputasi yang dapat menurunkan efisiensi inferensi. Penelitian ini menganalisis optimasi model YOLOv8 untuk deteksi 10 jenis awan pada NVIDIA Jetson Nano melalui konversi model ke format TorchScript, ONNX, NCNN, dan MNN dengan presisi FP32 dan FP16. Dataset yang digunakan terdiri atas 4.916 citra, kemudian melalui augmentasi menghasilkan 11.791 citra pelatihan. Model YOLOv8s dilatih selama 100 epoch menggunakan batch size 16, learning rate 0,001, optimizer AdamW, dan pre-trained weight YOLOv8s. Model menghasilkan precision 0,86557, recall 0,90721, F1-score 0,887, mAP50 0,92518, dan mAP50-95 0,73288, dengan bobot terbaik diperoleh pada epoch ke-42. Pengujian pada Jetson Nano menunjukkan NCNN FP16 memberikan performa komputasi terbaik dengan processing time 761,99 ms dan FPS 1,31, meningkat sekitar 6,9 kali dibandingkan baseline PyTorch sebesar 5.238,57 ms dan 0,19 FPS. Nilai mAP50 tetap 0,9927, sedangkan mAP50-95 sebesar 0,8683. Hasil tersebut menunjukkan bahwa NCNN FP16 merupakan format yang paling optimal untuk implementasi YOLOv8 pada Jetson Nano karena mampu meningkatkan efisiensi inferensi dengan penurunan akurasi yang relatif kecil.
Co-Authors Agustina Rachmawardani Hapsoro Agung Nugroho Marzuki Sinambela