View/Open

Author
FATIH, ADJI WIDJANARKO

Advisor
Rudi, Setiawan, S.T., M.T.,
Dr. Riyanto, S.T., M.T.,

Koleksi
Teknik Biomedis

Publisher

Deteksi objek merupakan bagian penting dari visi komputer, yang berfokus pada kemampuan untuk mengenali dan menentukan lokasi objek dalam gambar atau video. Pada prosedur gastrointestinal endoskopi, deteksi artefak sangat krusial untuk membantu dokter dalam mendiagnosis kondisi internal tubuh secara akurat. Penelitian ini bertujuan untuk menganalisis dan mengoptimalkan performa model YOLOv7 dalam meningkatkan deteksi kelas artefak pada gambar endoskopi. Dalam penelitian ini, model dilatih dengan menggunakan parameter seperti ukuran batch dan jenis optimizer untuk mengevaluasi pengaruhnya terhadap performa deteksi. Ukuran batch 8 dipilih karena memberikan keseimbangan antara efisiensi pelatihan dan akurasi yang dihasilkan, sementara optimizer Stochastic Gradient Descent (SGD) menunjukkan generalisasi yang lebih baik dibandingkan optimizer lainnya seperti Adam. Evaluasi hasil menunjukkan bahwa model mencapai precision 0.73, recall 0.88, specificity 0.95, accuracy 0.94, dan F1 score 0.79. Rata-rata presisi (mean average precision/mAP) yang dihasilkan adalah 50,7%, dengan model berhasil mendeteksi artefak dan kelas objek lainnya dengan akurasi tinggi, meskipun terdapat bias pada kelas dengan frekuensi kemunculan yang lebih tinggi. Hasil analisis ini menunjukkan bahwa YOLOv7 efektif dalam meningkatkan performa deteksi artefak pada gambar endoskopi, meskipun masih diperlukan perbaikan dalam penyeimbangan dataset untuk hasil yang lebih optimal

URI
https://repo.itera.ac.id/depan/submission/SB2412190018

Keyword
Batch Deteksi Objek mean average precision (mAP) Optimizer YOLOv7