PENGARUH AUGMENTASI DATA PADA DEEP LEARNING DALAM DETEKSI OBJEK DRONE

Alin, Ariel Yonatan (2023) PENGARUH AUGMENTASI DATA PADA DEEP LEARNING DALAM DETEKSI OBJEK DRONE. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.51.2106 Ariel Yonatan Alin.pdf Download (3MB)

Abstract

Deteksi objek drone merupakan salah satu penerapan utama dari teknologi pemrosesan gambar dan pengenalan pola menggunakan pembelajaran mendalam. Namun, terbatasnya data citra drone yang dapat diakses untuk melatih algoritma pendeteksian, menjadi tantangan tersendiri dalam pengembangan teknologi pendeteksian objek drone. Oleh karena itu, banyak penelitian yang telah dilakukan untuk meningkatkan jumlah data citra drone dengan menggunakan teknik augmentasi data. Penelitian ini bertujuan untuk mengevaluasi pengaruh augmentasi data terhadap akurasi pembelajaran mendalam pada deteksi objek drone dengan menggunakan algoritma YOLOv5. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data citra drone, augmentasi data dengan dua skenario, skenario yang pertama yakni menggabungkan beberapa augmentasi data untuk mengetahui penurunan nilai presisi. Skenario yang kedua mengambil 1/3 himpunan data yang dilakukan pelatihan, kemudian dilakukan augmentasi dengan generalisasi model sebanyak 3 kali dan membandingkannya dengan himpunan data asli tanpa diaugmentasi. Tipe augmentasi yang dilakukan dalam penelitian ini adalah rotasi, kecerahan, blur dan noise, masing - masing skenario menggunakan 100 epoch. Hasil penelitian menunjukkan bahwa menggabungkan 4 tipe augmentasi menghasilkan nilai presisi 0.957. Selain itu jumlah augmentasi tidak memberikan dampak penurunan pada nilai presisi. Dengan mengambil 1/3 dataset yang di augmentasi, hasilnya belum mampu mendekati himpunan data asli yang tidak dilakukan augmentasi. Sehingga dalam penelitian ini, menggunakan jumlah himpunan data yang lebih banyak, memiliki keuntungan dalam hal keakuratan pendeteksian objek.

Actions (login required)

View Item