View/Open

Author
Nurroni,

Date Published
20 Jan 2026

Advisor
Rajif Agung Yunmar, S.Kom., M.Cs.,

Subject
Teknik Informatika

Publisher

Perkembangan teknologi informasi mendorong museum untuk bertransformasi menjadi lebih interaktif dan adaptif bagi generasi digital. Salah satu pendekatan yang potensial adalah penerapan computer vision untuk mengenali objek pameran secara otomatis dan menyajikan informasi secara real-time. Penelitian ini bertujuan mengimplementasikan algoritma YOLOv9 dalam mendeteksi objek koleksi Museum Lampung serta menganalisis performanya pada berbagai kondisi pencahayaan, yaitu normal, peredupan 50%, dan pencerahan 50%. Metode penelitian meliputi pengumpulan citra objek museum menggunakan kamera smartphone, pengukuran intensitas cahaya dengan luxmeter, penyusunan dataset melalui proses labelling, preprocessing, dan augmentasi, serta pembagian data menggunakan metode Stratified K-Fold. Model YOLOv9 dilatih dan dievaluasi menggunakan metrik precision, recall, mAP50, dan mAP50–95. Selain itu, dilakukan pengujian latensi end-to-end untuk menilai kelayakan sistem dalam skenario real-time. Hasil penelitian menunjukkan bahwa model memiliki performa tinggi dan stabil pada seluruh kondisi pencahayaan. Kondisi normal menghasilkan performa terbaik, sedangkan peredupan dan pencerahan 50% menyebabkan sedikit penurunan presisi dan peningkatan latensi, namun masih berada dalam batas yang dapat diterima. Pengujian latensi menunjukkan bahwa sistem mampu mempertahankan waktu inferensi yang konsisten sehingga layak digunakan pada aplikasi near real-time. Dengan demikian, YOLOv9 terbukti efektif dan robust untuk pengenalan objek museum pada berbagai kondisi cahaya serta berpotensi menjadi dasar pengembangan aplikasi pemandu wisata museum yang interaktif.

URI
https://repo.itera.ac.id/depan/submission/SB2601190099

Keyword
YOLOv9 Computer Vision Deteksi Objek Museum