Publisher

UNDANAUNDANA

Journal J-ICON: Jurnal Komputer dan InformatikaJ-ICON: Jurnal Komputer dan Informatika Abstract

Mikroalga merupakan organisme mikroskopis bersel tunggal yang hidup di berbagai perairan.. Mikroalga seperti Spirulina platensis dan Chlorella vulgaris berpotensi menjadi sumber bioenergi sehingga. memulai banyak dikultivasi. Kultivasi ini umumnya masih melakukan pemantauan jumlah/kepadatan sel. mikroalga secara manual menggunakan hemositometer yang lebih lama dan rentan human error. Penelitian. ini bertujuan untuk mengembangkan model deteksi mikroalga Spirulina platensis dan Chlorella vulgaris. berbasis citra mikroskopis dan Convolutional Neural Network menggunakan YOLOv8. Metodologi. penelitian mencakup persiapan sampel (pengenceran dan pengukuran optical density), penentuan kepadatan. terbaik, akuisisi citra, anotasi citra, pembuatan dataset citra, pelatihan model YOLOv8, dan evaluasi kinerja. model. Penentuan kepadatan terbaik bertujuan untuk mendapatkan citra mikroskopis yang baik. Akuisisi. citra dilakukan menggunakan mikroskop binokuler dan menghasilkan 560 gambar yang kemudian. dianotasi. Model YOLOv8n, YOLOv8s, dan YOLOv8m dilatih dengan default hyperparameter di Google. Colaboratory untuk mengetahui pengaruh augmentasi terhadap akurasi model. Evaluasi kinerja model. dilakukan pada model YOLOv8 terpilih dan dianalisis nilai mAP50. Hasil penelitian menunjukkan bahwa. augmentasi (crop, brightness, dan blur) menghasilkan mAP train dan test tertinggi pada model YOLOv8m,. yakni 0,945 dan 0,913. Model YOLOv8m ini dilatih kembali dengan variasi hyperparameters dan. didapatkan konfigurasi terbaik pada optimizer SGD, epoch 50, dan learning rate 0,01 dengan mAP train. dan test sebesar 0,934 dan 0,925. Namun, training 29 epoch dapat menghasilkan akurasi 0,8535 yang. memperkecil overfitting serta pemborosan sumber daya. Kesimpulannya, penelitian. ini dapat. mempermudah peneliti maupun industri dalam melakukan penghitungan jumlah mikroalga secara otomatis. dan lebih efisien.

Conclusion

Model deteksi mikroalga Spirulina platensis dan Chlorella vulgaris berbasis YOLOv8m menunjukkan kinerja optimal dengan mAP train 0,934 dan mAP test 0,925, serta selisih nilai mAP yang sangat kecil (0,97%).Ditemukan bahwa melatih model selama 29 epoch dapat menghindari overfitting dan menghasilkan akurasi yang tetap memadai (0,8535) sambil mengurangi pemborosan sumber daya.Penelitian selanjutnya diperlukan untuk memperbaiki proses anotasi citra secara lebih teliti agar dapat meningkatkan akurasi model lebih tinggi lagi.

Future Research

Penelitian lanjutan dapat meneliti pengaruh teknik augmentasi data yang lebih canggih, seperti generative adversarial networks (GAN) atau augmentasi spektral, terhadap ketahanan model deteksi pada variasi spesies mikroalga yang lebih luas. Selain itu, studi dapat mengeksplorasi penggunaan transfer learning dengan model pra‑latih pada dataset mikroalga berskala besar untuk mengurangi kebutuhan anotasi manual serta meningkatkan akurasi deteksi. Selanjutnya, pengembangan sistem pemantauan mikroalga secara real‑time pada perangkat edge, misalnya menggunakan Raspberry Pi atau perangkat IoT, dapat dievaluasi dalam kondisi pencahayaan dan fokus mikroskop yang berubah-ubah untuk menilai kinerja praktis di lapangan. Penelitian juga dapat mengkaji integrasi algoritma deteksi dengan modul pengukuran densitas optik otomatis guna menghasilkan sistem hitung yang lebih komprehensif. Akhirnya, analisis perbandingan antara model YOLOv8 dengan arsitektur detektor satu‑stage lain seperti EfficientDet atau SSD pada dataset mikroalga dapat memberikan wawasan tentang trade‑off antara kecepatan dan akurasi.

References

1. Potential of an Automated- and Image-Based Cell Counter to Accelerate Microalgal Research and Applications... doi.org/10.3390/en13226019Potential of an Automated and Image Based Cell Counter to Accelerate Microalgal Research and Applications doi 10 3390 en13226019
2. Infotek: Jurnal Informatika dan Teknologi. infotek jurnal informatika teknologi journal fakultas teknik... e-journal.hamzanwadi.ac.id/index.php/infotekInfotek Jurnal Informatika dan Teknologi infotek jurnal informatika teknologi journal fakultas teknik e journal hamzanwadi ac index php infotek
3. An Approach for Plant Leaf Image Segmentation Based on YOLOV8 and the Improved DEEPLABV3. approach plant... doi.org/10.3390/plants12193438An Approach for Plant Leaf Image Segmentation Based on YOLOV8 and the Improved DEEPLABV3 approach plant doi 10 3390 plants12193438
4. J-ICON: Jurnal Komputer dan Informatika. detection model microalgae spirulina platensis chlorella vulgaris... ejurnal.undana.ac.id/index.php/jicon/article/view/15375J ICON Jurnal Komputer dan Informatika detection model microalgae spirulina platensis chlorella vulgaris ejurnal undana ac index php jicon article view 15375
5.  . 0 doi.org/10.3390/jimaging9070148A 0 doi 10 3390 jimaging9070148

Metadata

File size	1005.99 KB
Pages	10
DMCA	Report