Parameter Optimal Untuk Deteksi Objek Berbasis Teknologi Visual Mengunakan Yolo

Penelitian ini berfokus pada penggunaan teknologi berbasis visual untuk meningkatkan kesehatan struktural dengan menganalisis hubungan antara struktur objek dan sifat visualnya. Teknik berbasis visual dan deep learning digunakan, dengan salah satu algoritma yang digunakan adalah YOLO (You Only Look Once) yang dapat mendeteksi objek dengan menggunakan model deep learning. Penelitian ini bertujuan untuk menentukan parameter yang optimal untuk deteksi objek menggunakan orthogonal array berdasarkan parameter dan nilai signifikan yang diperoleh melalui ANOVA. Sampel data dikumpulkan berdasarkan tujuan penelitian yaitu gambar mur, baut, dan sekrup. Data tersebut kemudian diolah menggunakan dataset Roboflow Universe milik MVtec. Untuk mendapatkan data yang diinginkan, dilakukan proses pelatihan dan validasi. Signal to Noise Ratio (S/N Ratio) dihitung berdasarkan data yang dikumpulkan dari setiap kombinasi faktor dan level. Hal ini membantu meminimalkan sensitivitas sinyal dan noise terhadap faktor noise. Main Effect Analysis dilakukan untuk memahami faktor-faktor yang memiliki dampak signifikan terhadap respons terhadap noise. Hasilnya menunjukkan bahwa faktor Weight Decay memiliki pengaruh yang signifikan terhadap respon terhadap noise, diikuti oleh Final Learning Rate dan Image Size, sedangkan faktor lainnya memiliki kontribusi yang sedikit.

Keyword: ANOVA; Orthogonal Array; Main Effect Analysis; Deep Learning; YOLO.