PERBANDINGAN MODUL ATENSI COORDINATE ATTENTION (CA) DAN CONVOLUTIONAL BLOCK ATTENTION MODULE (CBAM) PADA ARSITEKTUR YOLOV8N-OBB UNTUK DETEKSI RETAK JEMBATAN

Darajat, Krisna Dzakyya Darajat (2026) PERBANDINGAN MODUL ATENSI COORDINATE ATTENTION (CA) DAN CONVOLUTIONAL BLOCK ATTENTION MODULE (CBAM) PADA ARSITEKTUR YOLOV8N-OBB UNTUK DETEKSI RETAK JEMBATAN. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2113020029.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Similarity) RAMA_55201_2113020029_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (943kB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020029_0719068702_0708049001_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (618kB)
	Text (BAB 2) RAMA_55201_2113020029_0719068702_0708049001_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (587kB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020029_0719068702_0708049001_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (595kB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020029_0719068702_0708049001_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (633kB) | Request a copy
	Text (BAB 5) RAMA_55201_2113020029_0719068702_0708049001_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (178kB) | Request a copy
	Text (References) RAMA_55201_2113020029_0719068702_0708049001_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (178kB)
	Text (Lampiran) RAMA_55201_2113020029_0719068702_0708049001_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (998kB) | Request a copy

Abstract

Inspeksi visual manual pada retak rambut jembatan bersifat subjektif dan memakan waktu. Penelitian ini bertujuan membandingkan performa deteksi retak menggunakan deep learning YOLOv8n-OBB standar (Baseline) dengan model modifikasi mekanisme atensi Coordinate Attention (CA) dan Convolutional Block Attention Module (CBAM). Melalui metode eksperimental kuantitatif, ketiga model dilatih dengan parameter identik pada dataset SDNET2018 (4.505 citra OBB). Modul CA dan CBAM diintegrasikan pada bagian Backbone dan Neck arsitektur YOLOv8 nano. Evaluasi diukur berdasarkan metrik Mean Average Precision (mAP), Precision, Recall, dan Inference Time. Hasil pengujian menunjukkan Baseline YOLOv8n-OBB menghasilkan performa optimal dengan mAP@50 tertinggi (81,3%) dan inferensi tercepat (121,1 ms). Penambahan modul CA menurunkan mAP menjadi 80,9% akibat miskalkulasi penyandian koordinat spasial 1D dengan Angle Loss kotak OBB. Di sisi lain, CBAM meraih Recall tertinggi (75,3%) berkat filter denoising agresif terhadap noise beton, namun menurunkan Precision (75,4%) dan menghasilkan inferensi terlambat (128,3 ms). Kesimpulannya, arsitektur Baseline paling direkomendasikan untuk deteksi objek bersudut miring secara umum, sementara modifikasi CBAM hanya disarankan jika sistem memprioritaskan kehati-hatian deteksi (Recall).

Actions (login required)

View Item