Deteksi dan Klasifikasi Tokoh Gambar Wayang Kulit jawa Menggunakan Model YOLOv8

Naufal Rismananda N, . (2026) Deteksi dan Klasifikasi Tokoh Gambar Wayang Kulit jawa Menggunakan Model YOLOv8. Skripsi thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA.

	Text Cover_123210188.pdf Download (306kB)
	Text Abstrak_123210188.pdf Download (366kB)
	Text Halaman Pengesahan_123210188.pdf Download (460kB)
	Text Daftar Isi_123210188.pdf Download (465kB)
	Text Daftar Pustaka_123210188.pdf Download (2MB)
	Text Fulltext_123210188.pdf Restricted to Repository staff only Download (2MB)

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi tokoh gambar wayang kulit Jawa secara otomatis dengan memanfaatkan algoritma YOLOv8. Pada era digitalisasi saat ini, tokoh-tokoh wayang semakin jarang dikenali oleh generasi muda akibat minimnya pemahaman terhadap karakter pewayangan serta adanya perbedaan gaya dan ragam hias wayang di setiap daerah. Kondisi tersebut menyebabkan proses pengenalan tokoh wayang hanya melalui observasi visual menjadi sulit dan kurang efektif, terutama bagi masyarakat yang tidak memiliki latar belakang pengetahuan tentang pewayangan. Oleh karena itu, diperlukan suatu sistem berbasis teknologi yang mampu membantu proses pengenalan dan klasifikasi tokoh wayang kulit secara otomatis dan akurat. Algoritma YOLOv8 dipilih karena memiliki keunggulan berupa ukuran model yang relatif ringan, kecepatan inferensi yang tinggi, serta efisiensi pemrosesan melalui pengaturan hyperparameter yang tepat, sehingga mampu mengenali karakteristik visual dan pola tokoh wayang secara optimal.
Penelitian ini menggunakan pendekatan deep learning dengan model YOLOv8s untuk melakukan klasifikasi sekaligus identifikasi nama tokoh wayang kulit Jawa pada citra digital. Sistem ini dilatih menggunakan dataset sebanyak 1.020 citra, yang merupakan hasil penggabungan dari 424 citra primer dan citra sekunder setelah melalui tahapan prapemrosesan yang meliputi pembersihan data, pelabelan citra, pembagian dataset menjadi data latih, data validasi, dan data uji, penyesuaian ukuran citra, serta proses augmentasi untuk meningkatkan kualitas dan keberagaman dataset. Model dilatih menggunakan dua variasi optimizer, yaitu AdamW dan SGD pada variasi jumlah epoch sebanyak 40, 45, dan 50 dan variasi batch size sebesar 16 dan 32 untuk memperoleh akurasi terbaik. Model terlatih kemudian diintegrasikan ke dalam sistem berbasis web menggunakan framework Streamlit. Evaluasi performa model dilakukan menggunakan metrik precision, recall, dan mean Average Precision (mAP).
Hasil pengujian menunjukkan bahwa penggunaan optimizer SGD pada epoch 45 dan batch size 32 menghasilkan performa terbaik, dengan nilai precision sebesar 92,2%, recall sebesar 87,7%, mAP@50 sebesar 94,5%, mAP@50–95 sebesar 84%, serta hasil akurasi mencapai 89,98%. Nilai mAP yang diperoleh menunjukkan bahwa model mampu mendeteksi dan mengklasifikasikan tokoh wayang kulit secara konsisten berdasarkan karakteristik visual dan pola bentuknya. Sistem yang dikembangkan berhasil mendeteksi wayang kulit Jawa secara akurat, menampilkan hasil deteksi dalam bentuk bounding box, serta memberikan keluaran berupa nama tokoh wayang. Hasil penelitian ini membuktikan bahwa penerapan YOLOv8s efektif digunakan sebagai solusi otomatis dalam klasifikasi tokoh wayang kulit. Kontribusi penelitian ini diharapkan dapat mendukung upaya pelestarian budaya melalui digitalisasi, serta menjadi referensi bagi pengembangan sistem berbasis kecerdasan buatan dalam bidang kebudayaan dan pengolahan citra digital.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	NAUFAL RISMANANDA NURHIDAYAT (Penulis - 123210188) ; HERIYANTO (Pembimbing)
Uncontrolled Keywords:	Wayang Kulit Jawa, Klasifikasi Citra, Deteksi Objek, YOLOv8, Deep Learning
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	04 May 2026 06:13
Last Modified:	04 May 2026 06:13
URI:	http://eprints.upnyk.ac.id/id/eprint/48101

Actions (login required)

View Item