ANALISIS PERBANDINGAN AKURASI METODE YOLOv5 DAN YOLOv7 PADA IDENTIFIKASI SPERMA MANUSIA BERDASARKAN MORFOLOGI

NASYWA , NATHANIA WIRAWAN (2024) ANALISIS PERBANDINGAN AKURASI METODE YOLOv5 DAN YOLOv7 PADA IDENTIFIKASI SPERMA MANUSIA BERDASARKAN MORFOLOGI. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF Abstract - nasywa nathania.pdf Download (156Kb) | Preview
	File PDF Full Skripsi - nasywa nathania.pdf Restricted to Hanya staf Download (2422Kb) | Minta salinan
Preview	File PDF Skripsi tanpa pembahasan - nasywa nathania.pdf Download (2133Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Dalam dua dekade terakhir, yang paling umum masalah reproduksi adalah infertilitas. Infertilitas adalah masalah reproduksi penyakit sistem yang ditandai dengan harapan untuk hamil setelah 12 bulan atau lebih dengan melakukan hubungan seksual secara teratur tanpa kontrasepsi. Menurut Kesehatan Dunia Organisasi (WHO), tingkat reproduksi mengalami penurunan secara drastis, jumlah infertilitas pada pria saat ini terjadi pada 36% yang menyebabkan kelainan pada produksi sperma. Saat ini pemeriksaan infertilitas masih dilakukan secara manual evaluasi sampel sperma menggunakan mikroskop hal seperti ini seringkali memberikan hasil yang tidak konsisten. Namun, perkembangan teknologi di bidang komputer saat ini mempengaruhi banyak penelitian untuk meningkatkan analisis infertilitas dalam sperma pria. Penelitian ini memanfaatkan teknologi deep learning untuk mengidentifikasi sperma menggunakan YOLOv5 dan YOLOv7. Tujuan dari penelitian ini adalah untuk membandingkan tingkat akurasi dan komputasi terbaik antara kedua model tersebut. Hasil yang diperoleh menunjukkan bahwa YOLOv5 dan YOLOv7 memiliki hasil mAP yang tidak jauh berbeda dimana untuk YOLOv5 hasil mAP yang didapat yaitu adalah 74,3% sedangkan YOLOv7 yaitu 75,3%. Hasil dari kedua metode memiliki rata rata 4,3% lebih besar dibanding dengan YOLOv5. Namun, YOLOv7 memiliki komputasi yang jauh lebih cepat dibanding dengan YOLOv5. Hasil komputasi pada YOLOv5 18 jam lebih lambat dibandingkan dengan model YOLOv7. Oleh karena itu, dalam penelitian ini model YOLOv7 dapat bekerja lebih baik dalam melakukan pendeteksian objek sperma dan juga non sperma. Kata kunci : Deep learning, identitikasi, sperma, YOLOv5, YOLOv7. ABSTRACT COMPARATIVE ANALYSIS OF THE ACCURACY OF YOLOv5 AND YOLOv7 METHODS IN IDENTIFICATION OF HUMAN SPERM BASED ON MORPHOLOGY By NASYWA NATHANIA WIRAWAN In the last two decades, the most common reproductive problem is infertility. Infertility is a reproductive system disease problem characterized by the hope of getting pregnant after 12 months or more by having regular sexual intercourse without contraception. According to the World Health Organization (WHO), reproductive rates have decreased drastically, the number of infertility in men currently occurs at 36% which causes abnormalities in sperm production. Currently, infertility examinations are still carried out manually, evaluating sperm samples using a microscope, this often gives inconsistent results. However, technological developments in the field of computers are currently influencing a lot of research to improve the analysis of infertility in male sperm. This research utilizes deep learning technology to identify sperm using YOLOv5 and YOLOv7. The aim of this research is to compare the level of accuracy and best computation between the two models. The results obtained show that YOLOv5 and YOLOv7 have mAP results that are not much different, where for YOLOv5 the mAP results obtained are 74.3% while for YOLOv7 it is 75.3%. The results from both methods are on average 4.3% greater than those from YOLOv5. However, YOLOv7 has much faster computing compared to YOLOv5. The computational results on YOLOv5 are 18 hours slower than the YOLOv7 model. Therefore, in this research the YOLOv7 model can work better in detecting sperm and non-sperm objects. Keywords : Deep Learning, Identification, Sperm, YOLOv5, YOLOv7.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	UPT . Desi Zulfi Melasari
Date Deposited:	07 Mar 2025 04:02
Terakhir diubah:	07 Mar 2025 04:02
URI:	http://digilib.unila.ac.id/id/eprint/85667

Actions (login required)

Lihat Karya Akhir