KHOLIK, MUHAMMAD (2025) PENYESUAIAN YOLO V8-SEG: IDENTIFIKASI KERUSAKAN FITTING CORROSION DENGAN COMPUTER VISION. Undergraduate thesis, UNIVERSITAS DIPONEGORO; FAKULTAS TEKNIK.
![[thumbnail of Abstrak]](https://eprints2.undip.ac.id/style/images/fileicons/text.png) |
Text (Abstrak)
Kapal36.pdf Download (297kB) |
Abstract
Transportasi maritim memiliki peran krusial dalam perdagangan global, namun
tingginya biaya pemeliharaan akibat kerusakan struktural, khususnya yang
disebabkan oleh pitting corrosion, menjadi tantangan signifikan. Keterbatasan
metode inspeksi konvensional mendorong pemanfaatan kecerdasan buatan,
khususnya Convolutional Neural Network (CNN) dalam mendeteksi kerusakan
pada struktur kapal. Penelitian ini mengkaji kinerja tiga model deteksi berbasis
CNN, yaitu Detectron2-ResNet101, YOLOv8-Seg, dan model hasil penyesuaian
model YOLOv8-Seg yang dinamakan YOLOv8+ untuk mengetahui metode yang
paling efektif untuk deteksi pitting corrosion.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | Engineering |
| Divisions: | Faculty of Engineering > Department of Naval Architecture Engineering |
| Depositing User: | nurohmi pwk |
| Date Deposited: | 10 Feb 2026 05:35 |
| Last Modified: | 10 Feb 2026 05:35 |
| URI: | https://eprints2.undip.ac.id/id/eprint/44909 |
Actions (login required)
 |
View Item |