@phdthesis{universitasamikomyogyakarta33081,
          school = {Universitas AMIKOM Yogyakarta},
           title = {PENERAPAN ALGORITMA YOLOV8 UNTUK IDENTIFIKASI
SPESIES HEWAN DALAM UPAYA KONSERVASI BERBASIS
CITRA KAMERA PERANGKAP},
            year = {2026},
          author = {Fattaah Herdansyah Alhamiid},
           month = {April},
             url = {https://eprints.amikom.ac.id/id/eprint/33081/},
        keywords = {YOLOv8, Deteksi Objek, Kamera Perangkap, Konservasi Satwa,
Deep Learning, Object Detection, Camera Trap, Wildlife Conservation.},
        abstract = {Konservasi satwa liar saat ini menghadapi tantangan serius akibat
meningkatnya volume citra kamera perangkap yang tidak lagi memungkinkan
untuk dianalisis secara manual, sehingga berpotensi menghambat estimasi populasi
dan distribusi spesies. Penelitian ini bertujuan menerapkan algoritma YOLOv8
untuk mengidentifikasi lima spesies satwa liar menggunakan dataset WCS Camera
Traps dari platform LILA Science, serta membandingkan performa varian
YOLOv8s dan YOLOv8m guna menentukan model yang paling optimal untuk
implementasi konservasi. Eksperimen dilakukan melalui baseline comparison,
pengujian robustness terhadap variasi jumlah data (50\%, 75\%, dan 100\%), 3-fold
cross-validation, analisis performa per kelas untuk menguji fairness terhadap
object-level imbalance, serta uji sensitivitas confidence threshold. Evaluasi
menggunakan metrik Precision, Recall, F1-Score, mAP@0.5, dan mAP@0.5:0.95.
Hasil menunjukkan bahwa YOLOv8m memberikan performa terbaik dengan
mAP@0.5 sebesar 0.9116 dan mAP@0.5:0.95 sebesar 0.7706 pada penggunaan
100\% data, serta menunjukkan stabilitas tinggi dengan standar deviasi rendah pada
cross-validation dan tanpa indikasi overfitting signifikan berdasarkan analisis kurva
loss. Secara keseluruhan, YOLOv8m terbukti robust terhadap variasi data dan layak
diimplementasikan dalam sistem monitoring konservasi berbasis kamera
perangkap.}
}