INOVASI YOLO11 UNTUK DETEKSI TARGET PESAWAT MILITER PADA CITRA PENGINDERAAN JARAK JAUHSatyoWidijanuartoauthorPenelitian ini berfokus pada pengembangan dan evaluasi algoritma deteksi objek yang superior untuk mengidentifikasi target pesawat militer pada citra penginderaan jarak jauh yang memiliki latar belakang kompleks. Inovasi utama yang diusulkan adalah integrasi empat buah modul Global Attention Mechanism (GAM) ke dalam arsitektur YOLO11, yang bertujuan untuk meningkatkan kemampuan ekstraksi fitur dan menekan interferensi dari latar belakang yang kompleks. Melalui serangkaian eksperimen dan tuning parameter yang sistematis, konfigurasi optimal berhasil dicapai dengan menggunakan optimizer NAdam dan learning rate 0,00147, yang menghasilkan kinerja puncak pada data pengujian dengan nilai mAP50-95 sebesar 80,6% dan mAP50 sebesar 98,6%. Hasil ini menunjukkan peningkatan presisi lokalisasi yang signifikan dibandingkan versi YOLO11 asli (mAP50-95 79% dan mAP50 98,4%) dan secara absolut mengungguli sebelas metode pembanding state-of-the-art lainnya. Terlebih lagi, model usulan menunjukkan efisiensi komputasi yang luar biasa dengan kecepatan inferensi 159 FPS, lebih dari dua kali lipat kecepatan rata-rata metode pembandingnya. Meskipun terdapat trade-off berupa penurunan kecepatan dibandingkan model asli (250 FPS), analisis kualitatif dan confusion matrix mengonfirmasi ketangguhan model, dengan tantangan utama yang tersisa pada misidentifikasi antara sub-tipe pesawat yang visualnya sangat mirip. Secara keseluruhan, penelitian ini membuktikan bahwa arsitektur YOLO11 yang dimodifikasi dengan GAM merupakan solusi yang sangat efektif dan seimbang, menawarkan presisi deteksi yang superior. Saran untuk penelitian mendatang berfokus pada eksplorasi mekanisme atensi yang lebih ringan dan pengembangan metode untuk meningkatkan akurasi klasifikasi fine-grained.000 Ilmu komputer, informasi dan pekerjaan umum005 Pemrograman komputer, program dan data2025-12-03Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis