TAHYA, MICHEL PIERCE (2025) PENERAPAN MULTI-OBJECT DETECTION DALAM MENGGUNAKAN DEEP LEARNING YOLOV8 UNTUK TRANSLITERASI AKSARA BATAK PADA PUSTAHA LAKLAK. Skripsi thesis, UPN Veteran Yogyakarta.
![[thumbnail of Cover_123210103.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
Cover_123210103.pdf Download (180kB) |
|
Text
Abstrak_123210103.pdf Download (183kB) |
|
Text
Scan_Halaman_Pengesahan_Pembimbing_123210103.pdf Download (641kB) |
|
Text
Scan_Halaman_Pengesahan_Penguji_123210103.pdf Download (511kB) |
|
Text
Daftar_Isi_123210103.pdf Download (416kB) |
|
Text
Daftar_Pustaka_123210103.pdf Download (160kB) |
|
Text
Naskah_TA_Full_123210103.pdf Restricted to Repository staff only Download (3MB) |
|
Text
PANDUAN MENGAKSES DTS FULL.pdf Download (861kB) |
Abstract
Penelitian ini mengembangkan sistem deteksi multi-objek berbasis deep learning
untuk mengenali dan mentransliterasi aksara Batak pada pustaha laklak, naskah kuno budaya
Batak Toba, yang dioptimalkan untuk perangkat Android. Dengan memanfaatkan arsitektur
YOLOv8n (nano) yang ringan, dibangun pipeline yang mencakup proses anotasi,
augmentasi, dan pelatihan model pada resolusi 480 × 480 piksel selama 70 epoch,
menggunakan dataset yang terdiri dari 116 kelas aksara Batak yang diperoleh dari citra latar
putih serta foto asli naskah di museum dan koleksi pribadi.
Pada data uji, model berhasil meraih mean average precision pada IoU 0,5
(mAP@0,5) sebesar 40,6 %, dengan performa tertinggi pada huruf “I” (94,9 %) dan
performa terendah pada kelas “YO” (0 %) akibat representasi data yang terbatas. Untuk
implementasi seluler, bobot model dikonversi ke format NCNN dan dioptimalkan melalui
quantization FP16, sehingga mampu beroperasi secara real-time dengan infrastruktur
minimal.
Pengujian pada tiga smartphone Android—Samsung Galaxy M30s, A32, dan A54—
menunjukkan kecepatan inferensi rata-rata antara 18,5–20 ms per frame (27–60 FPS) serta
penggunaan memori puncak antara 62–117 MB tanpa indikasi kebocoran memori, menjamin
proses yang stabil dan responsif. Melalui antarmuka aplikasi yang menampilkan pratinjau
kamera langsung dengan kotak pembatas dan label kelas aksara Batak tepat pada posisi
objek, sistem ini menawarkan solusi interaktif dan portabel untuk pelestarian digital aksara
Batak.
Kata Kunci: YOLOv8, aksara Batak, pustaha laklak, deteksi objek, aplikasi Android,
pelestarian budaya
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | MICHEL PIERCE TAHYA (Penulis-123210103) ; Dhimas Arief Dharmawan (Pembimbing) |
| Uncontrolled Keywords: | YOLOv8, aksara Batak, pustaha laklak, deteksi objek, aplikasi Android, pelestarian budaya |
| Subjek: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Teknik Industri > Informatika (S1) |
| Depositing User: | A.Md Eko Suprapti |
| Date Deposited: | 14 Jul 2025 03:40 |
| Last Modified: | 14 Jul 2025 03:40 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/43061 |
Actions (login required)
 |
View Item |