Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Natih, I Dewa Gede Agung Wibhisana
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Analisis Perbandingan Arsitektur dan Optimizer YOLOv11 untuk Estimasi Buah Kelapa Natih, I Dewa Gede Agung Wibhisana; Kesiman, Made Windu Antara; Sunarya, I Made Gede
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3329

Abstract

Estimasi jumlah buah kelapa dalam praktik Majeg di Bali secara manual dinilai tidak efisien dan sangat bergantung pada subjektivitas pengamat. Perkembangan teknologi computer vision, khususnya algoritma You Only Look Once (YOLO), menawarkan solusi deteksi objek yang cepat dan akurat untuk mengatasi keterbatasan tersebut. Namun, pemilihan arsitektur dan optimizer yang sesuai menjadi faktor penting dalam menentukan kinerja model secara keseluruhan. Penelitian ini bertujuan untuk menganalisis dan membandingkan sembilan kombinasi model yang terdiri atas tiga varian arsitektur YOLOv11 (n, s, m) dengan tiga optimizer berbeda (SGD, Adam, dan AdamW) guna menemukan konfigurasi paling optimal untuk tugas estimasi buah kelapa. Dataset penelitian mencakup 254 citra buah kelapa yang diambil di Desa Tusan, Klungkung, Bali, menggunakan kamera smartphone dengan dua kelas objek, yaitu kelapa muda dan kelapa tua. Proses pelatihan dilakukan menggunakan platform Google Colaboratory dengan akselerator GPU Tesla T4, sementara evaluasi kinerja dilakukan berdasarkan tiga metrik utama: akurasi (mAP50), kecepatan inferensi (FPS), dan ukuran model (Size). Analisis cost–benefit dengan bobot 50%–30%–20% menunjukkan bahwa YOLOv11n–SGD menjadi konfigurasi paling optimal dengan skor akhir 0.839, menawarkan keseimbangan terbaik antara akurasi tinggi (mAP50 0.926) dan efisiensi komputasi (5.5 MB). Hasil ini menunjukkan potensi penerapan model untuk estimasi buah kelapa secara real-time di lapangan menggunakan perangkat dengan sumber daya terbatas.).
Co-Authors I Made Gede Sunarya Made Windu Antara Kesiman