Implementasi YOLOv8 untuk Klasifikasi Citra Daun Berkhasiat Obat Secara Real-time

Riyadhi, Muhammad (2025) Implementasi YOLOv8 untuk Klasifikasi Citra Daun Berkhasiat Obat Secara Real-time. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_Cover_123210002_Muhammad Riyadhi.pdf Download (164kB)
	Text 3_Abstrak_123210002_Muhammad Riyadhi.pdf Download (236kB)
	Text 4_Halaman Pengesahan Pembimbing_123210002_Muhammad Riyadhi.pdf Download (454kB)
	Text 5_Halaman Pengesahan Penguji_123210002_Muhammad Riyadhi.pdf Download (542kB)
	Text 6_Daftar isi_123210002_Muhammad Riyadhi.pdf Download (287kB)
	Text 7_Daftar Pustaka_123210002_Muhammad Riyadhi.pdf Download (212kB)
	Text 1_SKRIPSI FULL_123210002_Muhammad Riyadhi.pdf Restricted to Repository staff only Download (3MB)

Abstract

Indonesia memiliki kekayaan biodiversitas yang sangat tinggi, termasuk dalam hal
tanaman obat. Namun, pemanfaatan daun berkhasiat obat masih menghadapi kendala dalam
proses identifikasi karena kemiripan visual antarspesies. Hal ini menyebabkan potensi
kesalahan dalam pemanfaatannya. Penelitian ini bertujuan untuk mengembangkan sistem
klasifikasi citra daun berkhasiat obat secara real-time dengan memanfaatkan arsitektur
YOLOv8, guna meningkatkan akurasi identifikasi sekaligus menjaga efisiensi komputasi,
terutama untuk implementasi pada perangkat mobile yang memiliki keterbatasan sumber
daya.
Metode yang digunakan dalam penelitian ini meliputi pengumpulan dataset daun dari
sumber sekunder yang telah dikelompokkan dalam 80 kelas, kemudian dilakukan proses pra
pemrosesan seperti resize, augmentasi, dan pembagian data. Dua varian model
dikembangkan, yaitu YOLOv8n-cls dan YOLOv8s-cls. Model dilatih menggunakan library
Ultralytics dengan penyesuaian parameter seperti epoch dan batch size. Setelah pelatihan,
dilakukan evaluasi model menggunakan metrik akurasi, presisi, recall, dan confusion matrix.
Model terbaik selanjutnya dikonversi ke format TFLite dan diintegrasikan ke dalam aplikasi
Android untuk diuji performanya secara real-time, dengan mengukur latency dan frame per
second (FPS).
Hasil evaluasi menunjukkan bahwa YOLOv8s-cls memiliki akurasi lebih tinggi
dibandingkan YOLOv8n-cls, namun dengan beban komputasi yang lebih besar. Sementara
itu, YOLOv8n-cls menunjukkan performa yang lebih efisien pada perangkat mobile dengan
latency rata-rata 261,4 ms (3 FPS), sedangkan YOLOv8s-cls memiliki latency sebesar 624
ms (2 FPS). Kedua model mampu mengenali ciri visual daun secara efektif, baik dari segi
fitur lokal maupun global. Penelitian ini berhasil menjawab dua permasalahan utama, yaitu
bagaimana mengekstraksi fitur lokal dan global secara simultan serta bagaimana
mengembangkan model klasifikasi yang efisien untuk diterapkan secara real-time di
perangkat mobile. Kontribusi utama dari penelitian ini adalah pengembangan sistem
klasifikasi daun berkhasiat obat yang tidak hanya akurat, tetapi juga ringan dan praktis untuk
implementasi nyata.
Kata Kunci: klasifikasi citra, YOLOv8, daun berkhasiat obat, real-time, mobile computing

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Muhammad Riyadhi (Penulis - 123210002); Dhimas Arief Dharmawan(Pembimbing)
Uncontrolled Keywords:	klasifikasi citra, YOLOv8, daun berkhasiat obat, real-time, mobile computing
Subjek:	H Social Sciences > HF Commerce
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	16 Oct 2025 02:52
Last Modified:	16 Oct 2025 02:52
URI:	http://eprints.upnyk.ac.id/id/eprint/44453

Actions (login required)

View Item