<![CDATA[Pendeteksian objek merupakan salah satu tantangan utama dalam pengembangan robotika, khususnya untuk aplikasi yang membutuhkan identifikasi berbagai objek dalam lingkungan yang beragam. Penelitian ini ditujukan untuk implementasi YOLOv8 pada Robot Deteksi Objek. Metode penelitian mencakup pelatihan YOLOv8 menggunakan dataset yang terdiri dari 150 gambar untuk setiap kelas objek. Kinerja model dievaluasi berdasarkan metrik presisi (P), recall (R), mean Average Precision (mAP) pada threshold 50% (mAP50), dan mAP50-95. YOLOv8 bertujuan untuk mendeteksi objek dengan 7 sampel kelas objek yaitu: botol, kursi, manusia, pot, galon, tong sampah, dan ember. Hasil evaluasi menunjukkan bahwa model YOLOv8 memberikan kinerja yang sangat baik dengan presisi dan recall mendekati 1 untuk semua kelas objek. Secara khusus, kursi, manusia, dan tong sampah mencapai nilai P dan R sebesar 0.994 atau lebih, dengan mAP50-95 masing-masing sebesar 0.891, 0.874, dan 0.894. Botol dan ember juga menunjukkan hasil yang baik dengan mAP50-95 masing-masing sebesar 0.857 dan 0.905. Sementara itu, galon dan pot masing-masing memiliki mAP50-95 sebesar 0.908 dan 0.705.]]>
Copyrights © 2024
