Simulasi Perbandingan Training Dataset YOLOv5 Dan YOLOv8 Menggunakan Prototipe AUV

Ryan Yudha Adhitya (Politeknik Perkapalan Negeri Surabaya)
Erutan Dwi Sajiwo (Politeknik Perkapalan Negeri Surabaya)
Zindhu Maulana Ahmad Putra (Politeknik Perkapalan Negeri Surabaya)
M. Yusuf Santoso (Politeknik Perkapalan Negeri Surabaya)
M. Khoirul Hasin (Politeknik Perkapalan Negeri Surabaya)
Adianto (Politeknik Perkapalan Negeri Surabaya)
Dimas Pristovani Riananda (Politeknik Perkapalan Negeri Surabaya)
Isa Rachman (Politeknik Perkapalan Negeri Surabaya)
Agus Khumaidi (Politeknik Perkapalan Negeri Surabaya)
Yuning Widiarti (Politeknik Perkapalan Negeri Surabaya)

Journal of Applied Smart Electrical Network and System (JASENS)
Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026

Penelitian ini mengevaluasi performa pelatihan model YOLOv5n dan YOLOv8n menggunakan dataset Kompetisi Robot Berbasis Kecerdasan Buatan (KRBAI) 2024 untuk deteksi objek pada prototipe Autonomous Underwater Vehicle (AUV). Dataset yang terdiri atas 4.114 citra dengan tiga kelas objek (gerbang, rintangan, drum) dilatih melalui Google Colab dengan konfigurasi 200 epoch, ukuran batch 16, dan resolusi citra 640x640. YOLOv5n memanfaatkan struktur berbasis anchor, sedangkan YOLOv8n menggunakan pendekatan tanpa anchor dengan modul C2f untuk efisiensi lebih tinggi. Hasil pelatihan menunjukkan YOLOv8n unggul dalam presisi (0,994 vs. 0,990) dan mAP50-95 (0,940 vs. 0,924), sementara YOLOv5n lebih baik pada recall kelas gerbang (0,999). Kedua model memiliki mAP50 serupa (0,993). Waktu pelatihan YOLOv8n sedikit lebih lama (3 jam 17 menit vs. 3 jam 31 menit). YOLOv8n terbukti lebih efektif untuk deteksi objek real-time pada AUV, mendukung navigasi dan pengenalan lingkungan bawah air. Penelitian mendatang perlu menguji dataset yang lebih beragam dan kondisi lingkungan yang lebih kompleks.