relation: https://eprints.amikom.ac.id/id/eprint/32634/
title: ANALISIS EKSPERIMENTAL  PENGGANTIAN BACKBONE  YOLOv5 DENGAN EFFICIENTNET-B4 PADA SISTEM  DETEKSI NILAI MATA UANG
creator: Sabar, Alfrida
subject: 004 Pemrosesan data dan ilmu komputer
description: YOLOv5 merupakan salah satu varian algoritma You Only Look Once   (YOLO) yang dikenal mampu melakukan deteksi objek secara cepat dan efisien  dalam satu tahap pemrosesan. Kinerja YOLOv5 sangat dipengaruhi oleh arsitektur  backbone yang berperan dalam mengekstraksi fitur visual dari citra input. Oleh  karena itu, penggantian backbone menjadi salah satu pendekatan yang digunakan  untuk mengevaluasi pengaruh kualitas ekstraksi fitur terhadap performa deteksi  objek.    Penelitian ini bertujuan untuk melakukan evaluasi eksperimental  penggantian backbone YOLOv5 menggunakan arsitektur EfficientNet, khususnya  EfficientNet-B4, pada sistem deteksi nilai mata uang rupiah. Dataset yang  digunakan terdiri dari delapan kelas, yaitu tujuh kelas nominal uang rupiah dan satu  kelas non-uang. Eksperimen dilakukan dengan membandingkan performa  YOLOv5 baseline dan YOLOv5 dengan backbone EfficientNet-B4 menggunakan  strategi transfer learning dan freeze–unfreeze. Evaluasi model dilakukan  menggunakan metrik precision, recall, mAP@0.5, mAP@0.5:0.95, serta waktu  inference.  Hasil pengujian menunjukkan bahwa penggunaan EfficientNet-B4  meningkatkan nilai precision dari 74.6% menjadi 77.4%, recall dari 59.6% menjadi  84.7%, mAP@0.5 dari 69.5% menjadi 90.1%, serta mAP@0.5:0.95 dari 48.0%  menjadi 74.6%. Peningkatan tersebut menunjukkan bahwa EfficientNet-B4 mampu  meningkatkan kemampuan deteksi objek sekaligus kualitas lokalisasi bounding box  pada berbagai threshold IoU. Dari sisi komputasi, waktu inference meningkat dari  6.3 ms menjadi 40.8 ms per gambar akibat kompleksitas model yang lebih besar.  Selain itu, perbandingan EfficientNet-B0, B1, dan B4 menunjukkan bahwa  peningkatan kompleksitas backbone tidak selalu menghasilkan performa deteksi  yang lebih tinggi. EfficientNet-B0 memperoleh nilai mAP@0.5 sebesar 91.9% dan  mAP@0.5:0.95 sebesar 77.7%, lebih tinggi dibandingkan EfficientNet-B1 dan  EfficientNet-B4, serta memiliki waktu inference yang lebih cepat. Hasil penelitian ini menunjukkan bahwa penggantian backbone YOLOv5 dengan EfficientNet-B4  mampu meningkatkan kualitas deteksi nilai mata uang rupiah dibandingkan  YOLOv5 baseline, khususnya pada aspek kemampuan deteksi objek dan kualitas  lokalisasi bounding box.
date: 2026-06-05
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/32634/1/23.55.2514%20-%20Alfrida%20Sabar.pdf
identifier:   Sabar, Alfrida  (2026) ANALISIS EKSPERIMENTAL PENGGANTIAN BACKBONE YOLOv5 DENGAN EFFICIENTNET-B4 PADA SISTEM DETEKSI NILAI MATA UANG.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.