Analisis Komparatif Model Yolo untuk Estimasi Area Sampah secara Real-Time dengan Drone

Afrina, Rumaisha (2025) Analisis Komparatif Model Yolo untuk Estimasi Area Sampah secara Real-Time dengan Drone. Project Report. [s.n.], [s.l.]. (Unpublished)

Text 502522116-Project_Report.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Pengukuran luas area objek secara manual merupakan proses yang tidak efisien dan sulit untuk diterapkan dalam skala besar.Pemanfaatan visi komputer dengan metode seperti You Only Look Once (YOLO) dapat menjadi solusi untuk masalah ini. Oleh karena itu, penelitian ini melakukan analisis komparatif terhadap beberapa varian model YOLO untuk menentukan model yang paling optimal untuk mengestimasi area. Metode yang diusulkan menggunakan kalibrasi kamera untuk estimasi jarak, yang kemudian dipakai untuk mengonversi luas piksel dari masker segmentasi menjadi cm². Hasil menunjukkan YOLOv11s-seg sebagai model paling unggul, baik dalam akurasi segmentasi (dengan precision 0,56, dan mAP@50 0,21) maupun dalam akurasi estimasi area yang mencapai MAPE 3,56% dengan akurasi 96,44%. Sementara itu, YOLOv8s-seg unggul dalam kecepatan dan YOLOv5s-seg unggul dalam ukuran yang ringkas. Penelitian ini membuktikan efektivitas metode yang diusulkan dan menyoroti adanya trade-off antara akurasi dan efisiensi komputasi dalam pemilihan model.
=================================================================================================================================
Manual measurement of object area is inefficient and difficult to apply at large scale. Computer vision techniques such as You Only Look Once (YOLO) can provide a solution to this problem. Therefore, this study conducts a comparative analysis of several YOLO model variants to identify the most optimal model for area estimation. The proposed method uses camera calibration to estimate distance, which is then employed to convert the pixel area of segmentation masks into cm². Results show that YOLOv11s-seg is the superior model, both in segmentation accuracy (precision 0.56 and mAP@50 0.21) and in area estimation accuracy, achieving a MAPE of 3.56% (accuracy 96.44%). Meanwhile, YOLOv8s-seg excels in speed and YOLOv5s-seg stands out for its compact size. This study demonstrates the effectiveness of the proposed method and highlights the trade-off between accuracy and computational efficiency when selecting a model.

Item Type:	Monograph (Project Report)
Uncontrolled Keywords:	Area Estimation, Camera Calibration, Computer Vision, Estimasi Area, Instant Segmentation, Kalibrasi Kamera, Segmentasi Instan, Visi Komputer, YOLO
Subjects:	T Technology > T Technology (General) > T57.84 Heuristic algorithms. T Technology > T Technology (General) > T59.7 Human-machine systems.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Rumaisha Afrina
Date Deposited:	15 Sep 2025 06:07
Last Modified:	15 Sep 2025 06:07
URI:	http://repository.its.ac.id/id/eprint/128221

Actions (login required)

View Item