IMPLEMENTASI ALGORITMA YOLOV8 UNTUK SISTEM DETEKSI OBJEK MANUSIA DAN TIKUS DALAM OTOMATISASI PAGAR LISTRIK BERBASIS RASPBERRY PI 5

Jauhari, Bagus Dwi (2025) IMPLEMENTASI ALGORITMA YOLOV8 UNTUK SISTEM DETEKSI OBJEK MANUSIA DAN TIKUS DALAM OTOMATISASI PAGAR LISTRIK BERBASIS RASPBERRY PI 5. Skripsi thesis, Universitas Muhamamdiyah Lamongan.

	Text Halaman Pernyataan Orisinalitas_Bagus Dwi Jauhari_2103010046.pdf Download (913kB)
	Text Lembar PersetujuaN_Bagus Dwi Jauhari_2103010046.pdf Download (1MB)
	Text Lembar Pengesahan_Bagus Dwi Jauhari_2103010046.pdf Download (1MB)
	Text Halaman Judul_Nama_Bagus Dwi Jauhari_2103010046.pdf Download (1MB)
	Text Bab 1_Bagus Dwi Jauhari_2103010046.pdf Download (912kB)
	Text Bab 2_Bagus Dwi Jauhari_2103010046.pdf Restricted to Repository staff only Download (1MB)
	Text Bab 3_Bagus Dwi Jauhari_2103010046.pdf Restricted to Repository staff only Download (955kB)
	Text Bab 4_Bagus Dwi Jauhari_2103010046.pdf Restricted to Repository staff only Download (2MB)
	Text Bab 5_Bagus Dwi Jauhari_2103010046.pdf Download (843kB)
	Text Daftar Pustaka_Bagus Dwi Jauhari_2103010046.pdf Download (908kB)
	Text Lampiran_Bagus Dwi Jauhari_2103010046.pdf Download (1MB)

Abstraksi

Serangan hama tikus pada lahan persawahan menjadi permasalahan serius yang dapat menurunkan produktivitas pertanian hingga puluhan persen setiap musim panen. Upaya pencegahan manual masih kurang efektif karena keterbatasan waktu dan tenaga petani. Penelitian ini bertujuan mengembangkan sistem deteksi objek manusia dan tikus berbasis You Only Look Once versi 8 (YOLOv8) yang diintegrasikan dengan Raspberry Pi 5 untuk mengendalikan relay pagar listrik secara otomatis. Metode penelitian meliputi pengumpulan dataset citra, proses anotasi dengan bounding box, pembagian data menjadi train, validation, dan test set, pelatihan model YOLOv8, serta pengujian kinerja menggunakan confusion matrix dengan metrik precision, recall, dan accuracy. Hasil pengujian menunjukkan rata-rata precision sebesar 64,4%, recall 100%, dan accuracy 64,4% pada lima data uji. Sistem mampu mendeteksi objek secara real-time dan mengendalikan relay sesuai hasil deteksi, sehingga berpotensi membantu petani mengurangi kerugian akibat serangan hama tikus.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	YOLOv8, deteksi objek, deep learning, Raspberry Pi 5, pagar listrik otomatis
Subjects:	Fakultas Sains, Teknologi dan Pendidikan > S1 Teknik Komputer
Divisions:	Fakultas Sains, Teknologi dan Pendidikan
Depositing User:	Mahasiswa Bagus Dwi Jauhari
Date Deposited:	01 Sep 2025 03:16
Last Modified:	01 Sep 2025 03:16
URI:	http://repository.umla.ac.id/id/eprint/5838

Actions (login required)

View Item