ANALISIS PERFORMA YOLOv8 DALAM KLASIFIKASI RAS ANJING: PERBANDINGAN PENDEKATAN DETEKSI DAN SEGMENTASI OBJEK

Saputra, Komang Yuda (2025) ANALISIS PERFORMA YOLOv8 DALAM KLASIFIKASI RAS ANJING: PERBANDINGAN PENDEKATAN DETEKSI DAN SEGMENTASI OBJEK. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text Abstrak_123210181_TA.pdf Download (107kB)
	Text Cover_123210181_TA.pdf Download (399kB)
	Text Scan Pengesahan Pembimbing_123210181_TA.pdf Download (753kB)
	Text Scan Pengesahan Penguji_123210181_TA.pdf Download (744kB)
	Text Daftar Isi_123210181_TA.pdf Download (104kB)
	Text Daftar Pustaka_123210181_TA.pdf Download (100kB)
	Text 123210181_TA FULL.pdf Restricted to Repository staff only Download (46MB)
	Text PANDUAN MENGAKSES DTS FULL.pdf Download (861kB)

Abstract

Terdapat lebih dari 350 ras anjing yang diakui oleh American Kennel Club, namun
proses identifikasi ras anjing masih menjadi tantangan karena banyaknya variasi, kemiripan
visual. Hal ini berdampak pada kesulitan dalam pemilihan dan perawatan ras anjing yang
sesuai, serta menjadi hambatan dalam pengendalian sosial dan kesehatan hewan. Penelitian
ini membahas perbandingan performa dua pendekatan dalam klasifikasi citra menggunakan
arsitektur YOLOv8, yaitu object detection dan instance segmentation. Meskipun keduanya
banyak digunakan dalam pengenalan objek, belum banyak studi yang secara khusus
membandingkan efektivitas keduanya dalam satu arsitektur yang sama. Penelitian ini akan
menganalisis dan membandingkan performa kedua pendekatan tersebut menggunakan
beberapa parameter evaluasi, yaitu precision, mean Average Precision (mAP), dan waktu
inferensi (inference time), untuk memperoleh gambaran yang komprehensif mengenai
efektivitas masing-masing metode dalam klasifikasi ras anjing.
Metode penelitian terdiri dari tahapan pengumpulan data, preprocessing, pelatihan
model, evaluasi, dan analisis hasil. Data yang digunakan bersumber dari Oxford-IIIT Pet
Dataset dengan 3198 gambar dari 16 ras anjing. Pelatihan dilakukan menggunakan model
YOLOv8n dengan dua pendekatan: anotasi bounding box untuk object detection dan anotasi
polygon untuk instance segmentation. Evaluasi dilakukan berdasarkan metrik precision,
mean Average Precision (mAP50 dan mAP50-95), serta waktu inferensi. Seluruh proses
pelatihan dan pengujian dilakukan menggunakan Google Colab.
Hasil evaluasi menunjukkan bahwa object detection memiliki nilai precision sebesar
93,5%, mAP50 sebesar 96,5%, dan rata-rata waktu inferensi 49,79 milidetik. Sementara itu,
instance segmentation menghasilkan precision sebesar 88,2%, mAP50 sebesar 94,6%,
mAP50-95 sebesar 89,6%, dan rata-rata waktu inferensi 68,69 milidetik. Berdasarkan hasil
tersebut, object detection dinilai lebih efisien dan akurat untuk klasifikasi ras anjing,
sementara instance segmentation unggul dalam detail spasial. Penelitian ini memberikan
gambaran yang komprehensif tentang efektivitas masing-masing pendekatan dalam tugas
klasifikasi visual ras anjing.
Kata Kunci : Klasifikasi citra, YOLOv8, object detection, instance segmentation, deep
learning, ras anjing.

Item Type:	Thesis (Skripsi)
Additional Information:	Komang Yuda Saputra (Penulis - 123210181) ; Dhimas Arief Dharmawan (Pembimbing)
Uncontrolled Keywords:	Klasifikasi citra, YOLOv8, object detection, instance segmentation, deep learning, ras anjing.
Subjek:	Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Fakultas Teknik Industri > Informatika (S1)
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	15 Jul 2025 03:11
Last Modified:	15 Jul 2025 03:11
URI:	http://eprints.upnyk.ac.id/id/eprint/43107

Actions (login required)

View Item