Sistem Pengelompokan dan Pemantauan Makanan Dalam Kulkas Menggunakan Algoritma Yolo

Husna, Laellatul (2025) Sistem Pengelompokan dan Pemantauan Makanan Dalam Kulkas Menggunakan Algoritma Yolo. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) abstrak.pdf - Published Version Download (721kB)
	Text (BAB I) BAB I.pdf - Published Version Download (4MB)
	Text (BAB 5) BAB 5.pdf - Published Version Download (159kB)
	Text (Daftar Pustaka) daftar pustaka.pdf - Published Version Download (353kB)
	Text (Tugas Akhir Full Text) Tugas Akhir Full Text.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Kulkas berperan penting dalam menjaga kesegaran makanan, namun masih banyak pengguna yang kesulitan memantau kondisi makanan sehingga menyebabkan pemborosan pangan akibat makanan kedaluwarsa atau membusuk. Minimnya sistem pemantauan otomatis membuat pengguna sering terlambat menyadari kapan makanan harus dikonsumsi atau dikelompokkan sesuai jenisnya. Penelitian ini memperkenalkan sebuah sistem pemantauan makanan berbasis computer vision yang dirancang untuk mendeteksi dan mengelompokkan makanan secara otomatis di dalam kulkas. Sistem ini memanfaatkan algoritma YOLOv5 (You Only Look Once) untuk mengenali berbagai jenis makanan melalui input kamera, kemudian hasil deteksi diproses dan ditampilkan dalam aplikasi yang terhubung dengan pengguna, sehingga memberikan notifikasi real-time terkait kondisi makanan. Pengujian sistem dilakukan pada berbagai jarak dan posisi objek makanan. Hasil menunjukkan bahwa model YOLOv5 mampu mengenali jenis makanan dengan akurasi rata-rata di atas 90%. Meskipun demikian, sistem masih menghadapi tantangan berupa keterbatasan dataset dan pengaruh pencahayaan dalam kulkas yang dapat menurunkan tingkat akurasi deteksi. Sistem ini merupakan langkah inovatif dalam penerapan teknologi deteksi objek untuk rumah tangga, dengan potensi besar dalam mengurangi risiko makanan kedaluwarsa, menekan pemborosan pangan, dan membantu pengguna mengelola penyimpanan makanan dengan lebih efektif.

Actions (login required)

View Item