This Author published in this journals
All Journal Jurnal Informatika
Muhammad Porkab Pratama
Universitas Palangka Raya

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Algoritma You Only Look Once (YOLO) Untuk Object Detection Sarang Orang Utan Di Taman Nasional Sebangau I Made Dwijaya Maleh; Rony Teguh; Abertun Sagit Sahay; Simon Okta; Muhammad Porkab Pratama
Jurnal Informatika Vol 10, No 1 (2023): April 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i1.13922

Abstract

Hutan gambut di Kalimantan adalah salah satu ekosistem hidrologi penting di dunia yang memainkan peran vital dalam menjaga keseimbangan lingkungan. Hutan ini memfasilitasi siklus air dan membantu mengurangi perubahan iklim dengan menyerap karbon. Beragam spesies tanaman dan hewan unik hidup di hutan gambut dan sangat penting bagi kesehatan lingkungan. Aliran air dari hutan gambut menjadi sumber air bagi pemukiman dan pertanian. Hutan gambut juga berfungsi sebagai penyimpan karbon besar dan dapat menyimpan jumlah karbon setara dengan emisi global selama beberapa tahun. Untuk melindungi hutan gambut sebagai ekosistem hidrologi dan penyerap karbon. Orangutan adalah spesies penting yang harus dilindungi untuk menjamin keanekaragaman hayati di dunia. Keberadaan orangutan adalah indikator lingkungan yang sehat dan membutuhkan habitat alami yang luas dan kaya. Sarang-sarang yang ada di hutan menunjukkan lingkungan masih alami dan bisa memenuhi kebutuhan orangutan. Oleh karena itu, menjaga dan memelihara sarang orangutan sangat penting untuk melestarikan spesies dan ekosistem hutan. Implementasi algoritma YOLO (You Only Look Once) merupakan salah satu upaya untuk mendeteksi sarang orangutan di hutan Kalimantan. Algoritma ini memprediksi kotak pembatas dan probabilitas kelas pada gambar penuh dalam satu tangkapan. Dengan 1970 citra latih dan 414 citra berlabel sarang orangutan, hasil training menunjukkan Precision 0,973, Recall 0.949, mAP_0.5 0.969, dan mAP_0.5:0.95 0.630. Model ini membutuhkan 58 jam untuk menyelesaikan 217 epoch dan menghasilkan akurasi deteksi objek yang tinggi model menunjukkan hasil deteksi jumlah sarang orangutan dengan akurasi rata-rata 99.9%. The peat forest in Kalimantan is one of the world's important hydrological ecosystems that play a vital role in maintaining environmental balance. This forest facilitates the water cycle and helps reduce climate change by absorbing carbon. A variety of unique plant and animal species live in the peat forest and are crucial for environmental health. The water flow from the peat forest becomes a source of water for settlements and agriculture. The peat forest also functions as a large carbon store and can store an amount of carbon equivalent to global emissions for several years. to protect the peat forest as a hydrological ecosystem and carbon absorber. Orangutans are important species that must be protected To ensure biodiversity in the world. The presence of orangutans is a sign of a healthy environment and requires a large and rich natural habitat. Nests found in the forest indicate that the environment is still natural and can meet the needs of orangutans. Therefore, preserving and maintaining orangutan nests is very important for conserving species and forest ecosystems. The implementation of YOLO (You Only Look Once) algorithm is one effort to detect orangutan nests in the Kalimantan forest. This algorithm predicts the bounding box and class probability on a full image in one shot. With 1970 training images and 414 labeled orangutan nest images, the training results showed Precision 0.973, Recall 0.949, mAP_0.5 0.969, and mAP_0.5:0.95 0.630. The model took 58 hours to complete 217 epochs and produced high object detection accuracy. The model shows results of detecting the number of orangutan nests with an average accuracy of 99.9%.