Hasil Pencarian: "YOLOv8" (Kata Kunci)
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetHasil Pencarian: "YOLOv8" (Kata Kunci)
Menampilkan 2 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
PENGEMBANGAN TIMBANGAN DIGITAL UNTUK IDENTIFIKASI JENIS BUAH MENGGUNAKAN ALGORITMA YOLOv8 BERBASIS VIRTUAL PRIVATE SERVER
Penulis: Tiana Ramdani, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Tiana Ramdani (2022310058) Pengembangan Timbangan Digital untuk Identifikasi Jenis Buah Menggunakan Algoritma YOLOv8 Berbasis Virtual Private Server PT Interskala Mandiri Indonesia selama ini masih mengandalkan input kode Price Look Up (PLU) melalui keypad pada proses penimbangan digital, yang mana cara tersebut kerap memunculkan kesalahan manusia dan menurunkan efisiensi kerja secara keseluruhan. Berangkat dari permasalahan tersebut, penelitian ini bertujuan merancang timbangan digital berbasis AIoT yang mampu mendeteksi jenis buah secara otomatis dengan memanfaatkan algoritma YOLOv8, sekaligus memusatkan pengelolaan data melalui Virtual Private Server (VPS). Proses penelitian dan pengembangannya mengacu pada model ADDIE. Dari sisi perangkat keras, sistem ini dibangun menggunakan mikrokontroler ESP32 NodeMCU-32S, ESP32-S3 CAM sebagai modul pengambilan gambar, serta load cell yang dikombinasikan dengan modul HX711 untuk menghasilkan pengukuran berat yang presisi. Model YOLOv8 dilatih menggunakan lima kelas buah, yakni apel fuji, jeruk, lemon, pir century, dan buah naga, kemudian dideploy pada backend VPS melalui Flask API. Untuk pencetakan struk, sistem terhubung ke printer termal Bluetooth T3 menggunakan perangkat lunak RawBT, sementara pemantauan monitoring dilakukan lewat dasboard berbasis React.js. Pada tahap pengujian, model YOLOv8 mampu mencapai performa deteksi real-time yang sangat baik, dengan nilai mAP@50 sebesar 99,5%, presisi 99,97%, recall 100%, dan F1-score 100%. Di sisi lain, sensor load cell memberikan tingkat akurasi 99,74% dengan toleransi kesalahan 0,26%. Bila diimplementasikan secara penuh, inovasi AIoT ini diyakini dapat menghapus kebutuhan input PLU secara manual, mengelola penimbangan secara terpusat, dan sekaligus menjadi solusi modernisasi timbangan digital bagi industri ritel.
#AIoT
#Deteksi Objek
#Timbangan Digital
#Virtual Private Server
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Rancang Bangun Sistem Monitoring Keamanan Ruang Aset Berbasis Computer Vision Menggunakan YOLOv8
Penulis: Muhammad Nur Ilyas, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Keamanan ruang aset merupakan aspek penting dalam menjaga dan melindungi aset perusahaan dari risiko kehilangan atau penyalahgunaan. Namun, ruang aset IT di PT MNC Tourism Indonesia saat ini belum dilengkapi dengan sistem pengamanan yang memadai sehingga masih bergantung pada kunci pintu konvensional. Kondisi tersebut menimbulkan potensi terjadinya akses oleh pihak yang tidak berwenang tanpa dapat terdeteksi secara langsung. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem monitoring keamanan ruang aset berbasis Computer Vision menggunakan algoritma YOLOv8. Sistem yang dikembangkan memanfaatkan IP Camera TP-Link Tapo C202 berbasis protokol RTSP untuk mendeteksi keberadaan manusia secara Real-time, melakukan identifikasi pengakses berdasarkan wajah, melakukan pelacakan objek menggunakan algoritma BoT-SORT, mencatat riwayat keberadaan pengakses ke dalam basis data SQLite, serta mengirimkan notifikasi peringatan dini secara otomatis melalui Telegram Bot. Metode pengembangan sistem yang digunakan adalah Artificial Intelligence Lifecycle. Pengujian dilakukan menggunakan metode Black Box Testing untuk menguji fungsionalitas sistem, evaluasi performa model menggunakan metrik Precision, Recall, mAP, dan F1-Score, serta pengujian lapangan (Field Deployment Testing) pada kondisi operasional sesungguhnya. Hasil evaluasi model menunjukkan nilai Precision sebesar 97,38%, Recall sebesar 99,51%, mAP@50 sebesar 99,36%, dan F1-Score sebesar 98,44%. Seluruh fungsi utama sistem berhasil berjalan sesuai dengan kebutuhan fungsional yang telah ditetapkan. Berdasarkan hasil tersebut, sistem yang dirancang mampu meningkatkan efektivitas pengamanan ruang aset IT di PT MNC Tourism Indonesia melalui proses monitoring yang otomatis dan Real-time.
#BoT-SORT
#Computer Vision
#Keamanan Ruang Aset
#Telegram Bot
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|