IMPLEMENTASI YOLOv8 UNTUK SISTEM DETEKSI DAN PENGENALAN KOMPONEN ELEKTRONIKA

Setiawan, Budi (2026) IMPLEMENTASI YOLOv8 UNTUK SISTEM DETEKSI DAN PENGENALAN KOMPONEN ELEKTRONIKA. Skripsi thesis, UNAMA.

[img] Text
BAB I.pdf

Download (115kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (516kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (117kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (301kB)
[img] Text
BAB V.pdf

Download (492kB)
[img] Text
BAB VI.pdf

Download (113kB)

Abstract

Kesulitan dalam mengenali komponen elektronika dasar seperti resistor, kapasitor, transistor, dioda, dan integrated circuit (IC) masih sering dialami oleh mahasiswa maupun teknisi, terutama akibat ukuran komponen yang kecil, kemiripan bentuk, serta variasi kondisi pencahayaan. Kesalahan identifikasi komponen dapat berdampak pada kegagalan rangkaian, kerusakan perangkat, hingga risiko keselamatan kerja. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan model You Only Look Once versi 8 (YOLOv8) sebagai sistem deteksi dan pengenalan komponen elektronika secara otomatis berbasis visi komputer. Dataset yang digunakan terdiri dari citra komponen elektronika yang dikumpulkan dan dianotasi menggunakan bounding box, kemudian melalui tahap preprocessing dan augmentasi data untuk meningkatkan kemampuan generalisasi model. Proses pelatihan dan pengujian dilakukan menggunakan bahasa pemrograman Python dengan dukungan framework Ultralytics YOLOv8, PyTorch, dan OpenCV. Evaluasi kinerja model dilakukan menggunakan metrik precision, recall, mean Average Precision (mAP), serta confusion matrix. Hasil penelitian menunjukkan bahwa model YOLOv8 mampu mendeteksi dan mengenali komponen elektronika dengan tingkat akurasi yang sangat baik, ditunjukkan oleh nilai [email protected] yang mendekati 1.00 dan performa yang stabil pada berbagai metrik evaluasi. Dengan demikian, sistem yang dikembangkan dinilai efektif dan andal sebagai alat bantu identifikasi komponen elektronika serta berpotensi digunakan sebagai media pendukung pembelajaran dan aplikasi praktis di bidang elektronika.

Item Type: Thesis (Skripsi)
Subjects: Artificial Intelligence
Divisions: Skripsi > Sistem Komputer > 2026
Depositing User: Digital Library
Date Deposited: 10 Sep 2026 07:49
Last Modified: 10 Sep 2026 07:49
URI: http://repository.unama.ac.id/id/eprint/5568

Actions (login required)

View Item View Item