Implementasi Metode YOLOv8 Pada Mobile Apps Untuk Klasifikasi Kain Endek Bali

Nyoman Tri Rahaditya Kusuma; I Made Agus Dwi Suarjaya; Wayan Oger Vihikan

doi:10.51454/decode.v4i3.610

Authors

Nyoman Tri Rahaditya Kusuma Teknologi Informasi Universitas Udayana
I Made Agus Dwi Suarjaya Teknologi Informasi Universitas Udayana
Wayan Oger Vihikan Teknologi Informasi Universitas Udayana

DOI:

https://doi.org/10.51454/decode.v4i3.610

Keywords:

Aplikasi Mobile, Android Studio, Motif Kain Endek, Python, YOLOv8

Abstract

Seiring dengan kemajuan teknologi dan era yang semakin modern mengakibatkan kebudayaan kain tenun endek di Bali kurang diperhatikan dan dilestarikan oleh masyarakat setempat. Nyatanya banyak masyarakat yang tidak mengenali berbagai corak dari kain tenun endek Bali karena kurangnya perhatian dari masyarakat utamanya anak generasi muda. Hal ini jelas menjadi perhatian sehingga perlu dibuat klasifikasi yang jelas untuk mengedukasi dengan mudah kepada masyarakat terkait motif kain endek Bali. Penelitian yang dibangun diimplementasikan dengan model YOLOv8 menggunakan Bahasa Pemrograman Python sehingga dapat mendeteksi motif dari kain endek dengan akurat pada mobile apps yang dibuat menggunakan Android Studio. Sebelum melakukan implementasi pada Android Studio, perlu dilakukan analisis dan evaluasi terlebih dahulu pada model YOLOv8 sehingga bisa memberikan hasil deteksi yang maksimal dengan menggunakan dataset dari gambar kain endek yang telah dilakukan augmentasi dan anotasi dengan total dataset sebanyak 1.524 data gambar kain endek. Evaluasi yang dilakukan pada model YOLOv8 dengan menghitung nilai precission, recall, mAP50, mAP50-95. Hasil evaluasi menunjukkan bahwa model YOLOv8 menghasilkan precision dengan nilai 0.943, recall dengan nilai 0.954, 0.956 untuk nilai tertinggi pada mAP50, serta 0.8 untuk nilai tertinggi pada mAP50-95, yang sudah bagus untuk mendeteksi motif dari kain endek untuk kemudian diimplementasikan pada mobile apps.

References

Aras, S., Setyanto, A., & Rismayani. (2022). Deep Learning Untuk Klasifikasi Motif Batik Papua Menggunakan EfficientNet dan Trasnfer Learning. Insect (Informatics and Security): Jurnal Teknik Informatika, 8(1), 11-20. https://doi.org/10.33506/insect.v8i1.1865

Ariani, N. M. (2019). Pengembangan Kain Endek Sebagai Produk Penunjang Pariwisata Budaya di Bali. Jurnal Ilmiah Hospitality Management, 9(2), 146-159. https://doi.org/10.22334/jihm.v9i2

Cartucho, J., Ventura, R., & Veloso, M. (2018). Robust Object Recognition Through Symbiotic Deep Learning in Mobile Robots. 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2336-2341. https://doi.org/10.1109/IROS.2018.8594067

Hindarto, D. (2023). Exploring YOLOv8 Pretrain for Real-Time Detection of Indonesian Native Fish Species. Sinkron : Jurnal dan Penelitian Teknik Informatika, 8(4), 2776-2785. https://doi.org/10.33395/sinkron.v8i4.13100

Hossain, S., Anzum, H., & Akhter, S. (2024). Comparison of YOLO (V3,V5) and MobileNet-SSD (V1,V2) for Person Identification Using Ear-Biometrics. International Journal of Computing and Digital Systems, 15(1), 1259-1271. https://doi.org/10.12785/ijcds/150189

Ibrahim, M., & Latifa, U. (2024). Penerapan Algoritma Yolov8 Dalam Deteksi Waktu Panen Tanaman Pakcoy Berbasis Website. JATI (Jurnal Mahasiswa Teknik Informatika), 7(4), 2489-2495. https://doi.org/10.36040/jati.v7i4.7154

Kadyanan, I. G. A. G. A. (2022). Pengembangan Aplikasi Deep Learning untuk Identifikasi Kain Endek Bali. Jurnal Ilmu Komputer (JIK), 15(1), 32-39.

Kusuma, K. D. H., Purnawan, I. K. A., & Rusjayanthi, N. K. D. (2018). Aplikasi Augmented Reality Informasi Corak Endek Bali pada Platform Android. Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi), 6(1), 25-34. https://doi.org/10.24843/jim.2018.v06.i01.p03

Lucianto, B., Michelle Siswoyo, G., Sakura Gotama, P., MarieAnn Heinrich Phang, S., Angeline Davis, V., Somawiharja, Y., & Yunita Tanzil, M. (2021). Pengembangan Motif Tekstil Kain Tenun Endek Dengan Pengaruh Budaya Bali. https://dspace.uc.ac.id/handle/123456789/7294

Manik, S. Y., Sayu, S., & Munaldus. (2022). Identifikasi Etnomatematika pada Kain Tenun Corak Libau Suku Dayak De’sa Kabupaten Sintang. JagoMIPA: Jurnal Pendidikan Matematika Dan IPA, 2(2), 68-81. https://doi.org/10.53299/jagomipa.v2i2.213

Marpaung, F., Aulia, F., Suryani, N., & Nabila, R. C. (2022). Computer Vision Dan Pengolahan Citra Digital. Surabaya: Pustaka Aksara.

Niu, J., Li, H., Chen, X., & Qian, K. (2023). An Improved YOLOv5 Network for Detection of Printed Circuit Board Defects. Journal of Sensors, 2023. https://doi.org/10.1155/2023/7270093

Primasari, D., Ferdian R, G., Aulia R, Z., Tussyifaa, U., & Wiranto, A. R. (2024). Sistem Smart Traffic Light Menggunakan Algoritma YOLOv8. Jurnal Teknologi Terapan (JTT), 10(1), 61-69. https://doi.org/https://doi.org/10.31884/jtt.v10i1.622

Putra, N. S., Hutabarat, B. F., & Khaira, U. (2023). Implementasi Algoritma Convolutional Neural Network Untuk Identifikasi Jenis Kelamin Dan Ras. Decode: Jurnal Pendidikan Teknologi Informasi, 3(1), 82-93. https://doi.org/10.51454/decode.v3i1.123

Raka, A. A. G., Parwata, I. W., & Gunawarman, A. A. G. R. (2017). BALI dalam Perspektif Budaya dan Pariwisata. In Pustaka Larasan. Denpasar: Pustaka Larasan.

Rizki, Y., Medikawati Taufiq, R., Mukhtar, H., & Putri, D. (2021). Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN. IT Journal Research and Development, 5(2), 215-225. https://doi.org/10.25299/itjrd.2021.vol5(2).5831

Saputra, A. I., Weni, I., & Khaira, U. (2024). Implementasi Metode Convolutional Neural Network Untuk Deteksi Penyakit Pada Tanaman Kopi Arabika Melalui Citra Daun Berbasis Android. Decode: Jurnal Pendidikan Teknologi Informasi, 4(1), 41-51. https://doi.org/https://doi.org/10.51454/decode.v4i1.231

Saputra, A. P., & Kusrini. (2021). Waste Object Detection and Classification using Deep Learning Algorithm: YOLOv4 and YOLOv4-tiny. Turkish Journal of Computer and Mathematics Education, 12(14), 1666-1677.

Sarosa, M., & Muna, N. (2021). Implementasi Algoritma You Only Look Once (YOLO) Untuk Deteksi Korban Bencana Alam. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(4), 787-792. https://doi.org/10.25126/jtiik.202184407

Sary, I. P., Armin, E. U., & Andromeda, S. (2023). Performance Comparison of YOLOv5 and YOLOv8 Architectures in Human Detection using Aerial Images. Ultima Computing: Jurnal Sistem Komputer, 15(1), 8-13. https://doi.org/10.31937/sk.v15i1.3204

Suardana, G., Darma Putra, I. N., & Bawa Atmaja, N. (2018). “The Legend of Balinese Goddesses”: Komodifikasi Seni Pertunjukan Hibrid dalam Pariwisata Bali. Jurnal Kajian Bali (Journal of Bali Studies), 8(1), 35. https://doi.org/10.24843/jkb.2018.v08.i01.p03

Tian, M., & Liao, Z. (2021). Research on flower image classification method based on YOLOv5. Journal of Physics: Conference Series, 2024(1). https://doi.org/10.1088/1742-6596/2024/1/012022

Widiawati, C. R. A. (2022). Pengaruh Dataset terhadap Performa Convolutional Neural Network pada Klasifikasi X-Ray Pasien Covid-19. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 9(6), 1109-1118. https://doi.org/10.25126/jtiik.2022965645

Wujaya, M. C., & Santoso, L. W. (2021). Klasifikasi Pakaian Berdasarkan Gambar Menggunakan Metode YOLOv3 dan CNN. Jurnal INFRA, 9(1), 2-7.