| dc.description.abstract | Penelitian ini mengembangkan sistem pengenalan multiobjek makanan dan menghitung har ganya secara otomatis dalam waktu nyata (real-time). Proses perhitungan harga khususnya di
warteg masih dilakukan secara manual yang dapat berpotensi adanya suatu kesalahan manusia
dalam mengenali dan menghitung harga makanannya. Pengenalan objek dilakukan dengan me manfaatkan YOLOv5. Tujuan utama dari penelitian ini adalah untuk mendapatkan performa
YOLOv5 dalam mendeteksi banyak jenis makanan di warteg sehingga bermanfaat dalam mem bantu usaha warteg dalam mendeteksi jenis makanan yang dibeli pelanggan dan menghitung
total harganya tanpa intervensi manusia. Metode yang digunakan dalam penelitian ini adalah
Cross-Industry Standard Process for Data Mining (CRISP-DM). Metode ini bersifat iteratif
yang dimulai dari pemahaman proses bisnis di warteg, menggunakan teknik computer vision
dengan memanfaatkan platform Roboflow untuk persiapan dan pengolahan data, hingga eval uasi model YOLOv5 dalam pendeteksian makanan. Model dengan hasil evaluasi yang terbaik
kemudian digunakan dalam pengembangan sistem pengenalan multiobjek makanan di warteg.
Metrik evaluasi yang digunakan dalam penelitian ini adalah Mean Average Presicion (mAP).
Sistem akan secara otomatis melakukan penghitungan total harga makanan berdasarkan harga
yang terkait dengan masing-masing item makanan yang terdeteksi. Proses yang dilakukan den gan menggunakan 3 epoch pelatihan diantaranya 50, 450, dan 750 epoch. Hasil dari penelitian
ini menunjukkan bahwa sistem yang dikembangkan mampu mengenali berbagai jenis makanan
dengan tingkat mAP mencapai 60%. Dengan demikian, sistem ini memiliki potensi untuk diter apkan dalam industri peritel makanan, warteg, atau sektor lain yang membutuhkan otomatisasi
dalam proses penjualan makanan.
Kata kunci: YOLOv5, CRISP-DM, Mean Average Presicion, Multi Object Detection. | en_US |
