IDENTIFIKASI KUE TRADISIONAL BERBASIS CITRA DENGAN MENGGUNAKAN ALGORITMA YOLOV8 UNTUK PENGENALAN JENIS KUE

Mustofa, Arin Ayu Silvyani (2025) IDENTIFIKASI KUE TRADISIONAL BERBASIS CITRA DENGAN MENGGUNAKAN ALGORITMA YOLOV8 UNTUK PENGENALAN JENIS KUE. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

This is the latest version of this item.

[img] Text (Full text)
RAMA_55201_2113020027.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_2113020027_0719068702_0707079001_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (471kB)
[img] Text (BAB 2)
RAMA_55201_2113020027_0719068702_0707079001_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (249kB)
[img] Text (BAB 3)
RAMA_55201_2113020027_0719068702_0707079001_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (914kB)
[img] Text (BAB 4)
RAMA_55201_2113020027_0719068702_0707079001_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (889kB)
[img] Text (BAB 5)
RAMA_55201_2113020027_0719068702_0707079001_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (8kB)
[img] Text (References)
RAMA_55201_2113020027_0719068702_0707079001_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (132kB)
[img] Text (Lampiran)
RAMA_55201_2113020027_0719068702_0707079001_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB)
[img] Text (Similarity)
RAMA_55201_2113020027_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (964kB)

Abstract

Kue tradisional Indonesia merupakan bagian penting dari warisan budaya yang mulai terlupakan, terutama di kalangan generasi muda. Penelitian ini bertujuan untuk mengembangkan sistem deteksi jenis-jenis kue tradisional menggunakan algoritma YOLOv8, sebagai upaya pelestarian budaya kuliner lokal melalui teknologi. Sistem dirancang untuk mengenali lima jenis kue tradisional, yaitu Dadar Gulung, Kue Lapis, Kue Lumpur, Kue Putu Ayu, dan Kue Wingko. Dataset terdiri dari 150 gambar yang diperoleh dari pengambilan manual dan sumber publik, dilabeli melalui Roboflow, dan diproses menggunakan Python serta pustaka PyTorch. Evaluasi dilakukan terhadap lima varian model YOLOv8 (nano, small, medium, large, extra-large) menggunakan metrik precision, recall, F1-score, dan mAP@50. Hasil terbaik dicapai oleh YOLOv8x dengan rata-rata mAP@50 sebesar 89,9% dan F1-score 86,5%, meskipun membutuhkan sumber daya komputasi yang lebih tinggi. Sistem ini tidak hanya memberikan deteksi objek secara akurat, tetapi juga berfungsi sebagai media edukatif dalam mengenalkan kue tradisional kepada masyarakat luas. Penelitian ini menunjukkan bahwa teknologi computer vision dapat dimanfaatkan secara efektif dalam pelestarian budaya Indonesia.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Deteksi Objek, YOLOv8, Kue Tradisional, Computer Vision, Sistem Pengenalan Gambar.
Subjects: 410 Engineering science > 457 Computer engineering
410 Engineering science > 458 Technical information
410 Engineering science > 459 Computer science
410 Engineering science > 461 Information systems
410 Engineering science > 462 Information technology
410 Engineering science > 463 Software engineering
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Arin Ayu Silvyani Mustofa
Last Modified: 24 Feb 2026 15:27
URI: http://repository.unpkediri.ac.id/id/eprint/23136

Available Versions of this Item

Actions (login required)

View Item View Item