View/Open

Author
M. Arief Rahman, Hakim

Date Published
03 Aug 2026

Advisor
Rahman Indra Kesuma, S.Kom. M.Cs.,

Subject
Teknik Informatika

Publisher

Penelitian ini membahas analisis komparatif antara Vision Mamba dan Mamba-YOLO untuk pendeteksian kepala manusia pada studi kasus Institut Teknologi Sumatera. Pendeteksian kepala manusia menjadi penting dalam sistem pemantauan kepadatan ruangan karena dapat mendukung penerapan smart building, smart room, sistem pengawasan cerdas, serta pemantauan berbasis perangkat edge. Penelitian ini bertujuan untuk menganalisis dan membandingkan efektivitas serta efisiensi kedua model berdasarkan metrik mAP50, mAP50:95, precision, recall, F1-Score, jumlah parameter, GFLOPs, dan kecepatan inferensi. Dataset yang digunakan berjumlah 1589 citra beresolusi 640 × 640 piksel, yang dibagi menjadi data training, validation, dan testing dengan proporsi 80%, 10%, dan 10%. Proses pelatihan dilakukan melalui fine-tuning dengan pengujian hyperparameter menggunakan pendekatan One Factor At a Time. Hasil tuning menunjukkan bahwa konfigurasi terbaik Vision Mamba menggunakan learning rate 0,001, optimizer AdamW, 200 epoch, dan batch size 8, sedangkan Mamba-YOLO menggunakan learning rate 0,01, optimizer SGD, 200 epoch, dan batch size 16. Hasil pengujian menunjukkan bahwa Vision Mamba memperoleh mAP50 sebesar 16,02%, mAP50:95 sebesar 6,21%, 26,18 juta parameter, 2,62 GFLOPs, dan 11,1 FPS. Sementara itu, Mamba-YOLO memperoleh mAP50 sebesar 97,43%, mAP50:95 sebesar 66,68%, 5,98 juta parameter, 13,59 GFLOPs, dan 52,8 FPS. Berdasarkan hasil tersebut, Mamba-YOLO terbukti lebih efektif dan lebih sesuai untuk implementasi pendeteksian kepala manusia secara real-time dibandingkan Vision Mamba.

URI
https://repo.itera.ac.id/depan/submission/SB2607300011

Keyword
Vision Mamba Mamba-YOLO Pendeteksian Kepala Manusia Efektivitas Model Efisiensi Model