<![CDATA[YOLO merupakan metode deteksi objek yang memproses gambar secara real- time pada 45 frame per detik. Walaupun metode YOLO pada saat melakukan deteksi sering terdapat kesalahan, tetapi metode YOLO dapat memperkirakan kesalahan tersebut pada backround objek. Tetapi pada pendeteksian, metode YOLO adalah salah satu dari sekian banyak metode yang mempunyai hasil deteksi cepat dan akurat. Penelitian sebelumnya yang pernah dilakukan menggunakan algoritma YOLOv3 dan Bahasa pemrograman python berbasis desktop ini memiliki keterbatasan pada hardware yang digunakan. Nilai mAP pada pendeteksian juga memiliki nilai yang cukup rendah. Perancangan sistem deteksi buah alpukat berbasis website ini untuk menentukan kualitas buah alpukat apakah buah tersebut layak atau tidak. Pendeteksian hanya akan dilakukan untuk buah alpukat yang utuh saja. Pada proses ini penulis mengguanakan data primer dan sekunder. Untuk data primer data diambil dengan cara memfoto buah alpukat satu persatu sampai jumlah yang ditentukan sejak awal. Untuk data sekunder, pada penelitian ini digunakan data dari roboflow. Pada penelitian ini digunakan 500 buah alpukat layak dan 500 buah alpukat tidak layak. Hasil dari pelatihan yang dilakukan sebanyak 50 epoch dengan waktu komputasi 7 menit 38 detik ini menghasilkan akurasi, recall dan presisi dengan angka 100% dan f1 score 99.39%]]>
Copyrights © 2024
