PENERAPAN ALGORITMA YOLOV8 UNTUK IDENTIFIKASI SPESIES HEWAN DALAM UPAYA KONSERVASI BERBASIS CITRA KAMERA PERANGKAP

Alhamiid, Fattaah Herdansyah (2026) PENERAPAN ALGORITMA YOLOV8 UNTUK IDENTIFIKASI SPESIES HEWAN DALAM UPAYA KONSERVASI BERBASIS CITRA KAMERA PERANGKAP. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (235kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (501kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (599kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Download (138kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (137kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.4814.zip - Published Version Restricted to Repository staff only Download (285kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (1MB)

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.

Actions (login required)

View Item