Rancang Bangun Aplikasi Cerdas Sistem Deteksi Dan Penghitungan Hewan Ternak Di Tempat Pemrosesan Akhir (TPA) Sampah Dengan Metode Deep Learning = Design and Development of an Intelligent Application for a Detection and Counting System for Livestock Animals at Waste Final Processing Sites (TPA) Using Deep Learning Methods |

TA DIGITAL

Rancang Bangun Aplikasi Cerdas Sistem Deteksi Dan Penghitungan Hewan Ternak Di Tempat Pemrosesan Akhir (TPA) Sampah Dengan Metode Deep Learning = Design and Development of an Intelligent Application for a Detection and Counting System for Livestock Animals at Waste Final Processing Sites (TPA) Using Deep Learning Methods

ASHMAA'ULIA SAFITRI MUNNA - Nama Orang; HANNA MAGHFIROH - Nama Orang; TRI Raharjo Yudantoro - Nama Orang; PRAYITNO - Nama Orang;

Ashmaa’Ulia Safitri Munna dan Hanna Maghfiroh “Rancang Bangun Aplikasi Cerdas Sistem
Deteksi dan Penghitungan Hewan Ternak di Tempat Pemrosesan Akhir (TPA) Sampah dengan
Metode Deep Learning”, Tugas Akhir, Program Studi DIII Teknik Informatika, Jurusan Teknik
Elektro, Politeknik Negeri Semarang, di bawah bimbingan Tri Raharjo Yudantoro, S.Kom., M.Kom.,
dan Prayitno, S.ST., M.T., Ph.D., 22 Juli 2024, 91 halaman.
Penggembalaan hewan ternak di lokasi tempat pemrosesan akhir sampah di Indonesia dapat
menimbulkan risiko kesehatan masyarakat yang signifikan akibat kontaminasi mikroplastik,
meskipun ada peraturan yang dimaksudkan untuk mengurangi masalah ini, fenomena tersebut masih
dilakukan. Menanggapi tantangan ini, kami mengusulkan SIDETA: Sistem Deteksi dan Penghitung
Hewan Ternak, sebuah sistem berbasis website yang memanfaatkan model YOLO untuk deteksi dan
penghitungan ternak secara efisien, dengan tujuan meningkatkan pemantauan dan keselamatan di
lokasi tempat pemrosesan akhir sampah. Studi ini menggunakan metodologi waterfall untuk
mengembangkan situs web berbasis Python dengan memanfaatkan framework Streamlit. Kami
membandingkan kinerja algoritma YOLO dan RCNN, dan menemukan bahwa YOLO NAS
menghasilkan hasil pelatihan terbaik, dengan Precision sebesar 0.812, Recall sebesar 0.529, dan
mAP@50 sebesar 0.654. Temuan kami juga menunjukkan bahwa akurasi model pembelajaran
mendalam sangat dipengaruhi oleh kualitas dan kuantitas dataset yang digunakan.
Kata kunci: deteksi ternak, TPA, kontaminasi mikroplastik, model YOLO, framework Streamlit,
deep learning models.

Fulltext

Harap masuk untuk melihat lampiran

Informasi Detail

Judul Seri: -
No. Panggil: IK 0033 2024
Penerbit: Semarang : Politeknik Negeri Semarang., 2024
Deskripsi Fisik: xii, 65 hal: ilus; 30 cm
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: NONE
Tipe Isi: text
Tipe Media: computer
Tipe Pembawa: online resource
Edisi: -
Subjek: TEKNIK INFORMATIKA
Info Detail Spesifik: -
Pernyataan Tanggungjawab: ASHMAA'ULIA SAFITRI MUNNA

Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar