{"title":"根据种子形状对玉米进行分类,使用的方法只有一次(YOLO)","authors":"Maulidiansyah Maulidiansyah, Isnaini Abdillah","doi":"10.33650/jeecom.v5i2.6802","DOIUrl":null,"url":null,"abstract":"Jagung merupakan salah satu jenis tumbuhan monokotil atau tumbuhan berbiji satu yang memiliki jenis bermacam-macam. Jenis jagung bisa diketahui dari bentuk bijinya. Mengklasifikasikan jenis jagung bisa dikatakan cukup sulit karena bentuk biji jagung sangatlah beragam. Tapi di zaman yang sudah maju ini klasifikasi jenis jagung bisa menggunakan Pengolahan Citra Digital. Dalam citra digital klasifikasi bentuk sebuah objek bisa menggunakan beragam metode. Tujuan dari penelitian ini menerapkan algoritma You Only Look Once (YOLO) untuk mengklasifikasi jenis jagung berdasarkan bentuk bijinya dan untuk mengetahui hasil pengujian melalui kamera secara real time. Metode yang digunakan adalah metode penelitian kuantitatif, penelitian yang pada dasarnya menggunakan pendekatan deduktif-induktif. Penelitian kuantitatif berangkat dari paradigma teoritik menuju data dan berakhir pada penerimaan atau penolakan terhadap teori yang digunakan. Adapun rancangan tahapan dalam melakukan penelitian; requirement, pre-processing, training dataset, validation dataset, testing dataset, pengujian dengan kamera secara real time. dalam penelitian ini menggunakan 300 data training, 35 data validation, dan 15 data testing. Hasil dari testing memperoleh tingkat akurasi sebesar 98% dan hasil dari pengujian dengan kamera secara real time ada 44 objek terdeteksi benar dari total 46 objek, kemudian ada 2 objek yang terdeteksi tidak sesuai","PeriodicalId":34614,"journal":{"name":"Journal of Electrical Engineering and Computer","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Klasifikasi Jenis Jagung Berdasarkan Bentuk Biji Menggunakan Metode You Only Look Once (YOLO)\",\"authors\":\"Maulidiansyah Maulidiansyah, Isnaini Abdillah\",\"doi\":\"10.33650/jeecom.v5i2.6802\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Jagung merupakan salah satu jenis tumbuhan monokotil atau tumbuhan berbiji satu yang memiliki jenis bermacam-macam. Jenis jagung bisa diketahui dari bentuk bijinya. Mengklasifikasikan jenis jagung bisa dikatakan cukup sulit karena bentuk biji jagung sangatlah beragam. Tapi di zaman yang sudah maju ini klasifikasi jenis jagung bisa menggunakan Pengolahan Citra Digital. Dalam citra digital klasifikasi bentuk sebuah objek bisa menggunakan beragam metode. Tujuan dari penelitian ini menerapkan algoritma You Only Look Once (YOLO) untuk mengklasifikasi jenis jagung berdasarkan bentuk bijinya dan untuk mengetahui hasil pengujian melalui kamera secara real time. Metode yang digunakan adalah metode penelitian kuantitatif, penelitian yang pada dasarnya menggunakan pendekatan deduktif-induktif. Penelitian kuantitatif berangkat dari paradigma teoritik menuju data dan berakhir pada penerimaan atau penolakan terhadap teori yang digunakan. Adapun rancangan tahapan dalam melakukan penelitian; requirement, pre-processing, training dataset, validation dataset, testing dataset, pengujian dengan kamera secara real time. dalam penelitian ini menggunakan 300 data training, 35 data validation, dan 15 data testing. Hasil dari testing memperoleh tingkat akurasi sebesar 98% dan hasil dari pengujian dengan kamera secara real time ada 44 objek terdeteksi benar dari total 46 objek, kemudian ada 2 objek yang terdeteksi tidak sesuai\",\"PeriodicalId\":34614,\"journal\":{\"name\":\"Journal of Electrical Engineering and Computer\",\"volume\":\"1 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-10-17\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Journal of Electrical Engineering and Computer\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.33650/jeecom.v5i2.6802\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Electrical Engineering and Computer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33650/jeecom.v5i2.6802","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Klasifikasi Jenis Jagung Berdasarkan Bentuk Biji Menggunakan Metode You Only Look Once (YOLO)
Jagung merupakan salah satu jenis tumbuhan monokotil atau tumbuhan berbiji satu yang memiliki jenis bermacam-macam. Jenis jagung bisa diketahui dari bentuk bijinya. Mengklasifikasikan jenis jagung bisa dikatakan cukup sulit karena bentuk biji jagung sangatlah beragam. Tapi di zaman yang sudah maju ini klasifikasi jenis jagung bisa menggunakan Pengolahan Citra Digital. Dalam citra digital klasifikasi bentuk sebuah objek bisa menggunakan beragam metode. Tujuan dari penelitian ini menerapkan algoritma You Only Look Once (YOLO) untuk mengklasifikasi jenis jagung berdasarkan bentuk bijinya dan untuk mengetahui hasil pengujian melalui kamera secara real time. Metode yang digunakan adalah metode penelitian kuantitatif, penelitian yang pada dasarnya menggunakan pendekatan deduktif-induktif. Penelitian kuantitatif berangkat dari paradigma teoritik menuju data dan berakhir pada penerimaan atau penolakan terhadap teori yang digunakan. Adapun rancangan tahapan dalam melakukan penelitian; requirement, pre-processing, training dataset, validation dataset, testing dataset, pengujian dengan kamera secara real time. dalam penelitian ini menggunakan 300 data training, 35 data validation, dan 15 data testing. Hasil dari testing memperoleh tingkat akurasi sebesar 98% dan hasil dari pengujian dengan kamera secara real time ada 44 objek terdeteksi benar dari total 46 objek, kemudian ada 2 objek yang terdeteksi tidak sesuai