RUSYADIN, Abida Akbar (2026) Implementasi dan Optimasi Hyperparameter pada YOLOv8 untuk Klasifikasi Varietas Beras. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) 24060119120041_Abida Akbar Rusyadin_Berkas FSM.zip Restricted to Repository staff only Download (4MB) | Request a copy
	Text 2. HALAMAN JUDUL.pdf Download (72kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (209kB)
	Text 5. KATA PENGANTAR.pdf Download (120kB)
	Text 7. ABSTRAK.pdf Download (160kB)
	Text 8. ABSTRACT.pdf Download (103kB)
	Text 9. DAFTAR ISI.pdf Download (259kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (299kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (171kB)

Abstract

Klasifikasi varietas beras merupakan aspek penting dalam menjaga kualitas dan standarisasi
produk di industri pangan. Namun, identifikasi secara manual seringkali membutuhkan
waktu lama dan rentan terhadap kesalahan manusia. Penelitian ini mengimplementasikan
algoritma Deep Learning YOLOv8 versi Nano (YOLOv8n-cls) untuk mengklasifikasikan
lima varietas beras, yaitu Arborio, Basmati, Ipsala, Jasmine, dan Karacadag. Fokus
penelitian ini adalah menguji efektivitas model lightweight pada dataset berjumlah besar
sebanyak 75.000 citra dengan menggunakan sumber daya komputasi terbatas (CPU). Hasil
penelitian menunjukkan bahwa model mampu mencapai titik konvergensi yang stabil
dengan nilai akurasi sebesar 99,86%. Evaluasi mendalam melalui confusion matrix
menghasilkan nilai rata-rata precision, recall, dan f1-score sebesar 99,89%. Hasil ini
membuktikan bahwa arsitektur YOLOv8n-cls sangat andal dan efisien untuk digunakan
dalam sistem otomatisasi klasifikasi beras secara real-time meskipun dijalankan pada
perangkat dengan spesifikasi perangkat keras menengah.
Kata kunci : Klasifikasi Beras, YOLOv8, Deep Learning, Computer Vision, Lightweight
Model

(NO. KETERSEDIAAN : 1728/F/2026)

Actions (login required)

View Item