<![CDATA[Melakukan object-tracking dengan mempunyaiakurasi dan performa yang tinggi merupakan hal pentingdalam penerapan pemantauan pada deep learning yangditerapkan pada sebagai automatic driving, and intelligentmonitoring salah satunya adalah lobster monitoring. Dalammencapai hal tersebut diperlukan beberapa penelitian yangdigabungkan menjadi satu dari mulai object-detection, danobject-tracking. Saat ini, dalam halnya object-detection adabeberapa algoritma yang sangat cukup popular salah satunyaadalah yaitu YOLO dengan memiliki akurasi, dan kecepatandeteksi yang tinggi. Dengan berkembangnya zaman YOLOdilakukan peningkatan dengan menghasilkan YOLOv7 yangsangat canggih dari YOLO versi lainya, dengan memilikiakurasi tertinggi yaitu 56.8% dan 30 FPS. Maka dari ituYOLOv7 layak untuk diterapkan dalam object-detection yangakan digabungkan dengan StrongSORT. StrongSORT adalahobject-tracking yang sangat kuat saat ini dengan meningkatkanbeberapa sitem pada DeepSORT. Dengan menggabungkan duasistem deep learning menjadi satu dan dilakukan pelatihan padadataset lobster menghasilkan frame per second ( FPS ) diatas 4,dari penguji cobaan pada data percobaan didapatkan precisionsebesar 0.90, recall mendapatkan nilai 0.81, mAP@0.5 yangmencapai 0.87 dan untuk mAP@0.5-0.95 tertinggi 0.44. Darihasil yang didapatkan dapat disimpulkan bahwa sistemmemenuhi syarat yang dapat dikatakan real-time objectdetection, dan object tracking. Kata kunci— object-detection, StrongSORT, YOLOv7, object-tracking]]>
