{
      "thesis_type": "masters",
      "lastmod": "2026-06-29 03:42:20",
      "abstract": "Penelitian ini bertujuan melakukan analisis komparatif empiris yang\r\nkomprehensif terhadap performa lima arsitektur deep learning untuk deteksi objek\r\ndrone, yaitu VGG16, ResNet50, MobileNetV2, EfficientNetB0, dan YOLOv8nano.\r\n\r\nFokus penelitian adalah mengukur dan membandingkan akurasi deteksi,\r\nefisiensi komputasional, serta signifikansi statistik perbedaan performa masingmasing\r\nmodel\r\ndalam\r\nkonteks\r\ntugas\r\ndeteksi\r\nsingle\r\nclass.\r\nMetode\r\npenelitian\r\nberupa\r\n\r\neksperimen\r\nkuantitatif\r\ndengan\r\npendekatan\r\nbenchmarking\r\nsistematis,\r\nmenggunakan\r\n\r\ndataset\r\n\r\n1.359 citra drone, evaluasi multi-dimensi (metrik regresi, deteksi, dan\r\nefisiensi), serta analisis statistik robust (ANOVA, t-test, effect size).\r\nHasil penelitian menunjukkan superioritas signifikan dari arsitektur\r\nYOLOv8-nano yang secara konsisten unggul dalam semua metrik akurasi inti,\r\nseperti F1-Score (0.922), mean Average Precision (mAP50: 0.901), dan Mean\r\nSquared Error (0.007), dengan kecepatan inferensi 112 FPS. Analisis statistik (pvalue\r\n<\r\n\r\n0.001, effect size η² > 0.99) mengkonfirmasi bahwa perbedaan performa\r\nantar model bersifat sangat signifikan dan bermakna secara praktis. Di sisi lain,\r\nMobileNetV2 tercatat sebagai model paling efisien dengan waktu pelatihan\r\ntercepat, sementara EfficientNetB0 menawarkan keseimbangan optimal antara\r\nakurasi dan efisiensi. Temuan juga mengungkap ketidakcocokan arsitektural pada\r\nmodel yang diadaptasi dari tugas klasifikasi (ResNet50, VGG16) untuk tugas\r\ndeteksi drone.\r\nKesimpulan penelitian menegaskan bahwa YOLOv8-nano merupakan\r\narsitektur paling optimal untuk deteksi drone, menawarkan kombinasi akurasi\r\ntinggi, kecepatan inferensi real time, dan ukuran model ringan. Penelitian ini\r\nmemberikan bukti empiris dan panduan berbasis trade off yang terkuantifikasi\r\nuntuk seleksi model dalam berbagai skenario aplikasi praktis, mulai dari sistem\r\nkeamanan kritis hingga penerapan di perangkat edge dengan sumber daya terbatas.",
      "eprint_status": "archive",
      "ispublished": "pub",
      "rev_number": 9,
      "title": "ANALISIS KOMPARATIF EMPIRIS LIMA ARSITEKTUR\r\nDEEP LEARNING UNTUK DETEKSI DRONE:\r\nSUPERIORITAS YOLOV8 DAN TRADE OFF AKURASI\r\nEFISIENSI",
      "userid": 12,
      "type": "thesis",
      "date_type": "published",
      "date": "2026-01-02",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31782",
      "creators": [
        {
          "nim": "23.51.1427",
          "name": {
            "given": "Nugraha Ashtra",
            "lineage": null,
            "family": "Megantara",
            "honourific": null
          }
        }
      ],
      "department": "Pascasarjana Magister Informatika",
      "metadata_visibility": "show",
      "keywords": "Deteksi drone, deep learning, analisis komparatif, YOLOv8, efisiensi\r\nkomputasi, drone detection, comparative analysis, computational efficiency",
      "eprintid": 31782,
      "status_changed": "2026-06-29 03:42:20",
      "institution": "Universitas AMIKOM Yogyakarta",
      "subjects": [
        "000.000.000A"
      ],
      "thesis_name": "tesis",
      "datestamp": "2026-06-29 03:42:20",
      "contributors": [
        {
          "name": {
            "given": "Ema",
            "lineage": null,
            "family": "Utami",
            "honourific": null
          }
        }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "documents": [
          {
            "main": "23.51.1427 - Nugraha Asthra Megantara.pdf",
            "format": "text",
            "rev_number": 2,
            "eprintid": 31782,
            "pos": 1,
            "mime_type": "application\/pdf",
            "formatdesc": "THESIS",
            "content": "published",
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319565",
            "files": [
                {
                  "fileid": 1131404,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131404",
                  "objectid": 319565,
                  "filesize": 4569915,
                  "mime_type": "application\/pdf",
                  "mtime": "2026-06-29 03:37:21",
                  "datasetid": "document",
                  "hash": "1b9b3a48e18893f1598498e95de79cd0",
                  "hash_type": "MD5",
                  "filename": "23.51.1427 - Nugraha Asthra Megantara.pdf"
                }
            ],
            "language": "id",
            "security": "public",
            "docid": 319565,
            "placement": 1
          }
      ],
      "full_text_status": "public",
      "dir": "disk0\/00\/03\/17\/82",
      "divisions": [
        "mti"
      ]
    }