2026 · Book ·
Penghitungan manual benih udang windu (Penaeus monodon) memiliki kelemahan berupa ketidakakuratan, durasi proses yang lama dengan rentang 15–20 menit per 500–700 larva, serta risiko mortalitas benih yang tinggi akibat penanganan berlebihan. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi sistem penghitungan otomatis real-time berbasis computer vision menggunakan algoritma YOLOv8 dan pelacak BoT-SORT. Dataset yang digunakan setelah melalui tahapan augmentasi berjumlah 780 citra dengan pembagian proporsi 92% data latih, 4% data validasi, dan 4% data uji. Kemudian dataset dilatih menggunakan lima varian arsitektur YOLOv8, di mana model YOLOv8s dipilih sebagai arsitektur paling optimal karena mencapai mAP@0,50 sebesar 91,59%, precision 90,67%, recall 84,76%, dan F1-score 87,04% terhadap data uji dari dataset. Selanjutnya pengujian dilakukan terhadap video (di luar dataset) dengan 16 kombinasi kepadatan (50, 75, 100, dan 150 benur) dan frame rate (120, 60, 30, dan 24 FPS) menunjukkan akurasi rata-rata tertinggi pada kepadatan 150 benur sebesar 93,83% (RMSE 14,72 ekor), dengan konfigurasi terbaik (60 FPS) mencapai 99,33%. Model YOLOv8s yang telah terevaluasi kemudian diintegrasikan ke dalam Graphical User Interface (GUI) berbasis PyQt5 dengan fitur visualisasi deteksi real-time, log waktu inferensi, jumlah hitungan, serta pemantauan beban CPU dan GPU secara bersamaan. Seluruh fitur tersebut telah melalui pengujian black-box dengan persentase keberhasilan 100%. Pengujian real-time menggunakan kamera langsung melalui GUI dilaksanakan dalam 8 sesi yang mencakup 4 kelompok kepadatan, menghasilkan rata-rata FPS sistem 22,11 dengan waktu inferensi 45,28 ms per frame, memenuhi dan melebihi ekspektasi FPS sistem sebesar 15 FPS, serta penggunaan GPU yang efisien (37,7%) dan CPU (25,6%). Namun, akurasi penghitungan pada skenario real-time menurun menjadi rata-rata 54,92% akibat pola kesalahan karena faktor variabilitas kondisi lingkungan yang tidak terkontrol penuh. Hasil penelitian membuktikan bahwa sistem mampu mendeteksi dan menghitung benih udang windu secara real-time dan otomatis, sehingga hipotesis penelitian dinyatakan diterima.
2026 · Thesis ·
Penghitungan manual benih udang windu (Penaeus monodon) memiliki kelemahan berupa ketidakakuratan, durasi proses yang lama dengan rentang 15–20 menit per 500–700 larva, serta risiko mortalitas benih yang tinggi akibat penanganan berlebihan. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi sistem penghitungan otomatis real-time berbasis computer vision menggunakan algoritma YOLOv8 dan pelacak BoT-SORT. Dataset yang digunakan setelah melalui tahapan augmentasi berjumlah 780 citra dengan pembagian proporsi 92% data latih, 4% data validasi, dan 4% data uji. Kemudian dataset dilatih menggunakan lima varian arsitektur YOLOv8, di mana model YOLOv8s dipilih sebagai arsitektur paling optimal karena mencapai mAP@0,50 sebesar 91,59%, precision 90,67%, recall 84,76%, dan F1-score 87,04% terhadap data uji dari dataset. Selanjutnya pengujian dilakukan terhadap video (di luar dataset) dengan 16 kombinasi kepadatan (50, 75, 100, dan 150 benur) dan frame rate (120, 60, 30, dan 24 FPS) menunjukkan akurasi rata-rata tertinggi pada kepadatan 150 benur sebesar 93,83% (RMSE 14,72 ekor), dengan konfigurasi terbaik (60 FPS) mencapai 99,33%. Model YOLOv8s yang telah terevaluasi kemudian diintegrasikan ke dalam Graphical User Interface (GUI) berbasis PyQt5 dengan fitur visualisasi deteksi real-time, log waktu inferensi, jumlah hitungan, serta pemantauan beban CPU dan GPU secara bersamaan. Seluruh fitur tersebut telah melalui pengujian black-box dengan persentase keberhasilan 100%. Pengujian real-time menggunakan kamera langsung melalui GUI dilaksanakan dalam 8 sesi yang mencakup 4 kelompok kepadatan, menghasilkan rata-rata FPS sistem 22,11 dengan waktu inferensi 45,28 ms per frame, memenuhi dan melebihi ekspektasi FPS sistem sebesar 15 FPS, serta penggunaan GPU yang efisien (37,7%) dan CPU (25,6%). Namun, akurasi penghitungan pada skenario real-time menurun menjadi rata-rata 54,92% akibat pola kesalahan karena faktor variabilitas kondisi lingkungan yang tidak terkontrol penuh. Hasil penelitian membuktikan bahwa sistem mampu mendeteksi dan menghitung benih udang windu secara real-time dan otomatis, sehingga hipotesis penelitian dinyatakan diterima.
2022 · Book · Koleksi Perpustakaan
Tujuan dalam penelitian ini adalah untuk mengindentifikasi perbedaan penerimaan dan pendapatan pada pedagang sebelum dan era pemulihan pandemi covid-19 di taman berkampung kota tarakan, dalam penelitian ini pendapatan diperoleh dari hasil penerimaan di dikurangi dengan biaya. Penelitian ini dibatasi dengan cakupan biaya yakni hanya pada biaya bahan baku dan biaya tenaga kerja. Alat analisis yang digunakan peneliti dalam penelitian ini adalah Uji Beda (Paired Sampel T Test)) dengan menggunakan aplikasi SPSS. Hasil penelitian menunjukkan perbedaan penerimaan pedagang sebelum pandemi dan era pemulihan covid-19 menunjukkan hasil t hitung sebesar 23,979 > t tabel 1,673 dengan tingkat signifikansi 5% serta nilai signifikansi 0,000 yang lebih kecil dari 0,05. maka dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara penerimaan pedagang di taman berkampung kota tarakan sebelum pandemi dan era pemulihan, perbedaan pendapatan pedagang sebelum pandemi dan era pemulihan covid-19 menunjukkan hasil t hitung sebesar 23,979 > t tabel 1,673 dengan tingkat signifikansi 5% serta nilai signifikansi 0,000 yang lebih kecil dari 0,05. maka dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara pendapatan pedagang di taman berkampung kota tarakan sebelum pandemi dan era pemulihan.
2022 · Thesis · Skripsi, Thesis, Disertasi, dan Tugas Akhir
Tujuan dalam penelitian ini adalah untuk mengindentifikasi perbedaan penerimaan dan pendapatan pada pedagang sebelum dan era pemulihan pandemi covid-19 di taman berkampung kota tarakan, dalam penelitian ini pendapatan diperoleh dari hasil penerimaan di dikurangi dengan biaya. Penelitian ini dibatasi dengan cakupan biaya yakni hanya pada biaya bahan baku dan biaya tenaga kerja. Alat analisis yang digunakan peneliti dalam penelitian ini adalah Uji Beda (Paired Sampel T Test)) dengan menggunakan aplikasi SPSS. Hasil penelitian menunjukkan perbedaan penerimaan pedagang sebelum pandemi dan era pemulihan covid-19 menunjukkan hasil t hitung sebesar 23,979 > t tabel 1,673 dengan tingkat signifikansi 5% serta nilai signifikansi 0,000 yang lebih kecil dari 0,05. maka dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara penerimaan pedagang di taman berkampung kota tarakan sebelum pandemi dan era pemulihan, perbedaan pendapatan pedagang sebelum pandemi dan era pemulihan covid-19 menunjukkan hasil t hitung sebesar 23,979 > t tabel 1,673 dengan tingkat signifikansi 5% serta nilai signifikansi 0,000 yang lebih kecil dari 0,05. maka dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara pendapatan pedagang di taman berkampung kota tarakan sebelum pandemi dan era pemulihan.
