PENERAPAN YOLOv8 DALAM KLASIFIKASI DAN PERHITUNGAN JUMLAH SPERMA DAN NON-SPERMA MANUSIA BERDASARKAN MORFOLOGI

Salma Dara Canita, - (2025) PENERAPAN YOLOv8 DALAM KLASIFIKASI DAN PERHITUNGAN JUMLAH SPERMA DAN NON-SPERMA MANUSIA BERDASARKAN MORFOLOGI. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF Abstract - Copy - SALMA DARA.pdf Download (13Kb) | Preview
	File PDF Skripsi Full - SALMA DARA.pdf Restricted to Hanya staf Download (3493Kb) | Minta salinan
Preview	File PDF SKRIPSI tanpa Bab Hasil dan Pembahasan RILL - SALMA DARA.pdf Download (1903Kb) | Preview

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

Infertilitas pada pria menjadi salah satu faktor dalam permasalahan reproduksi, salah satunya disebabkan oleh kualitas dan morfologi sperma yang tidak normal. Proses manual yang selama ini digunakan memerlukan waktu lama dan rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk mengklasifikasikan dan menghitung jumlah sperma dan non-sperma manusia berdasarkan morfologi menggunakan metode YOLOv8. Dataset yang digunakan merupakan VISEM dataset dengan format video, yang kemudian diekstrak menjadi 1.330 citra yang telah dianotasi ke dalam dua kelas: sperma dan non-sperma. Tahapan training dilalui dengan 6 skenario dengan 3 epoch yaitu 90, 120, dan 140 serta 2 learning rate sebesar 0.002 dan 0.0002. Evaluasi dilakukan menggunakan metrik mAP, precision, recall, dan Absolute Count Difference. Hasil penelitian menunjukkan bahwa YOLOv8 mampu mendeteksi dan mengklasifikasi objek dengan mAP tertinggi sebesar 74,2%, serta menunjukkan akurasi deteksi objek kecil yang baik. Model terbaik diperoleh pada kombinasi epoch 120 dan learning rate 0.002. Evaluasi perhitungan jumlah objek juga menunjukkan hasil terbesar sejumlah 95,39%. Penelitian ini menunjukkan bahwa YOLOv8 efektif dalam melakukan klasifikasi dan perhitungan jumlah sperma dan non-sperma manusia secara otomatis berdasarkan morfologi. Kata Kunci: Deep Learning, YOLOv8, Sperma, Non-sperma, Deteksi Objek, Klasifikasi. Male infertility is one of the factors in reproductive problems, often caused by poor sperm quality and abnormal morphology. The manual process that has been used so far takes a long time and is prone to human error. This study aims to classify and count human sperm and non-sperm based on morphology using the YOLOv8 method. The dataset used is the VISEM dataset in video format, which is then extracted into 1,330 images that have been annotated into two classes: sperm and non-sperm. The training stage is carried out with 6 scenarios with 3 epochs, namely 90, 120, and 140 and 2 learning rates of 0.002 and 0.0002. Evaluation metrics included mAP, precision, recall, and Absolute Count Difference. The results indicate that YOLOv8 is capable of detecting and classifying objects with a maximum mAP of 74.2% and demonstrates high accuracy in detecting small objects. The best-performing model was obtained with the combination of 120 epochs and a 0.002 learning rate. The object counting evaluation also achieved the highest accuracy of 95.39%. This study demonstrates that YOLOv8 is effective for automatic classification and counting of human sperm and non-sperm based on morphology. Kata Kunci: Deep Learning, YOLOv8, Sperm, Non-sperm, Object Detection, Classification.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 001 Ilmu pengetahuan
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit:	UPT . Ery Elyasari
Date Deposited:	03 Nov 2025 05:22
Terakhir diubah:	03 Nov 2025 05:22
URI:	http://digilib.unila.ac.id/id/eprint/92627

Actions (login required)

Lihat Karya Akhir