Tirzandina, Tara (2026) Analisis Performa Algoritma YOLOv8 Dalam Mendeteksi Objek Manusia Pada Kondisi Lingkungan Fasilitas Umum. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (74kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (290kB)
	Text 4. KATA PENGANTAR.pdf Download (549kB)
	Text 6. ABSTRAK.pdf Download (161kB)
	Text 7. ABSTRACT.pdf Download (105kB)
	Text 8. DAFTAR ISI.pdf Download (249kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (201kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (171kB)

Abstract

Deteksi manusia pada fasilitas umum merupakan tantangan signifikan dalam sistem visi
komputer karena adanya variasi pencahayaan, latar belakang yang beragam, dan masalah
oklusi. Penelitian ini bertujuan untuk menganalisis performa algoritma YOLOv8 dalam
mendeteksi objek orang (person) dan kepala (head) guna menciptakan sistem pemantauan yang
tangguh dan adaptif. Metode yang digunakan adalah eksperimen dengan optimasi
hyperparameter melalui pendekatan Grid Search. Parameter yang diuji meliputi variasi epoch
(50, 100, 150) dan learning rate (0,1; 0,01; 0,001) untuk menemukan konfigurasi model yang
paling optimal. Hasil penelitian menunjukkan bahwa kombinasi epoch 150 dan learning rate
0,1 menghasilkan performa terbaik dengan nilai mean Average Precision (mAP50) sebesar
0,96727. Model ini menunjukkan tingkat presisi sebesar 0,962 dan recall sebesar 0,923, yang
mengindikasikan kemampuan deteksi yang stabil dengan tingkat kesalahan deteksi palsu yang
minimal. Analisis Confusion Matrix mengonfirmasi bahwa model mampu membedakan kelas
orang dan kepala secara akurat meskipun berada dalam lingkungan visual yang kompleks.
Penelitian ini membuktikan bahwa optimasi hyperparameter yang tepat pada arsitektur
YOLOv8 dapat secara signifikan meningkatkan performa sistem deteksi manusia pada fasilitas
umum.
Kata kunci : Deteksi Manusia, YOLOv8, Visi Komputer, Deteksi Objek, Grid Search

Actions (login required)

View Item