IMPLEMENTASI DETEKSI OBJEK TEH KEMASAN DENGAN YOLOV8 UNTUK VISUALISASI TINGKAT KADAR GULA

ANANDA SHADRINA, . (2025) IMPLEMENTASI DETEKSI OBJEK TEH KEMASAN DENGAN YOLOV8 UNTUK VISUALISASI TINGKAT KADAR GULA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (924kB)
	Text BAB 1.pdf Download (570kB)
	Text BAB 2.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (404kB) | Request a copy
	Text Daftar Pustaka.pdf Download (400kB)
	Text Lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Tingkat konsumsi minuman manis dalam kemasan di Indonesia selaras dengan konsumsi gula harian masyarakat yang tinggi. Tingkat literasi label nutrisi yang rendah menunjukkan bahwa konsumen sulit untuk dapat memahami kadar gula dalam produk kemasan. Hal ini dikarenakan banyak konsumen tidak tahu tentang label nutrisi dan tidak memiliki banyak waktu untuk melihat dan membandingkan nutrisi antar produk. Tujuan dari penelitian ini adalah untuk membuat sistem deteksi yang menggunakan model deteksi objek YOLOv8 untuk mendeteksi teh kemasan dan kemudian menampilkan visualisasi kadar gula dari tiap teh kemasan yang terdeteksi. Sistem ini akan mendeteksi beberapa produk sekaligus dari gambar rak minuman, mengaitkan hasil deteksi dengan data kadar gula yang disimpan, dan kemudian menampilkan hasil dalam visualisasi warna berdasarkan indikator NutriGrade. AI Project Cycle digunakan sebagai metodologi penelitian ini. Siklus ini terdiri dari langkah-langkah seperti problem scooping, data acquisition, data exploration, modelling, evaluation, dan deployment. Data set yang digunakan berupa 1200 gambar dari 20 produk teh kemasan di warung dan minimarket dengan merek dan variasi berbeda dan dianotasi menggunakan Roboflow. Tahap pelatihan model dilakukan dengan menggunakan Google Colaboratory. Hasil penelitian menunjukkan bahwa sistem deteksi visual berbasis YOLOv8 dapat mendeteksi teh kemasan dengan sangat baik, dengan precision 93,6%, recall 93,8%, mAP@0.5 sebesar 96,9%, dan mAP@0.5:0.95 sebesar 90,2%. Performa yang baik ini berlanjut pada tampilan visualisasi kadar gula dari tiap produk teh kemasan yang baik juga. ***** The level of consumption of packaged sweet drinks in Indonesia is in line with the high daily sugar consumption of the community. The low level of nutrition label literacy indicates that consumers find it difficult to understand the sugar content in product packaging. This is because many consumers do not know about nutrition labels and do not have much time to see and compare nutrition between products. The purpose of this study is to create a detection system that uses the YOLOv8 object detection model to detect packaged tea and then display a visualization of the sugar content of each detected packaged tea. This system will detect several products at once from the image of the drink shelf, the detection results with the stored sugar content data, and then display the results in a color visualization based on the NutriGrade indicator. The AI Project Cycle is used as the methodology for this study. This cycle consists of steps such as problem-solving, data acquisition, data exploration, modeling, evaluation, and implementation. The dataset used is 1200 images of 20 packaged tea products in stalls and minimarkets with different brands and variations and annotated using Roboflow. The model training stage is carried out using Google Colaboratory. The results showed that the YOLOv8-based visual detection system could detect packaging very well, with a precision 93,6%, recall 93,8%, mAP@0.5 of 96.9%, and mAP@0.5:0.95 of 90.2%. This good performance continued in the visualization of the sugar content of each packaged tea product which was also good.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Irma Permata Sari, S.Pd., M.Eng. ; 2). Ali Idrus, M.Kom.
Subjects:	Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Sistem dan Teknologi Informasi
Depositing User:	Ananda Shadrina .
Date Deposited:	24 Jul 2025 01:39
Last Modified:	24 Jul 2025 01:39
URI:	http://repository.unj.ac.id/id/eprint/56685

Actions (login required)

View Item