Depi Primary Author mixed material bibliography Banda Aceh Prog. Studi Magister Teknik Elektro 2025 id Indonesia

Theses

Penelitian ini mengembangkan sistem deteksi hama kecoa otomatis pada rumah burung walet dengan mengintegrasikan algoritma YOLOv10, RT-DETR, dan SSD-VGG-16, serta teknologi Internet of Things (IoT) dan Telegram Bot untuk notifikasi. Sistem ini bertujuan meningkatkan akurasi deteksi, mengurangi inspeksi manual, dan meminimalkan gangguan terhadap burung walet. Dataset dibangun dari rekaman CCTV inframerah dan diperluas melalui augmentasi citra. Evaluasi dilakukan terhadap tujuh varian YOLOv10, serta model pembanding YOLOv8-m, RT-DETR-l, dan SSD-VGG-16 menggunakan metrik precision, recall, F1-score, dan mAP50. Hasil menunjukkan YOLOv10-s memiliki F1 Score tertinggi (0,9851), YOLOv10-x mencatat precision tertinggi (0,9900), dan YOLOv10-b unggul dalam recall (0,9869). RT-DETR-l juga menunjukkan performa tinggi dengan recall 0,9824 dan F1 Score 0,9846, sedangkan SSD-VGG-16 memiliki precision tinggi meskipun jumlah deteksinya paling sedikit. Seluruh model berhasil mengirimkan hasil deteksi ke Telegram Bot tanpa kehilangan notifikasi. Sistem dilengkapi fitur Region of Interest (ROI) dan hanya mengirim notifikasi saat jumlah hama meningkat, dengan reset otomatis setiap 24 jam. Hasil ini menunjukkan bahwa sistem yang dikembangkan efektif dan andal untuk mendeteksi hama kecoa secara responsif di rumah burung walet COCKROACHES INTERNET PROGRAMMING SWALLOWS 006.76 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 157539 2025-06-24 15:19:21 2025-08-19 11:20:39 machine generated