Penentuan Epochs Hasil Model Terbaik: Studi Kasus Algoritma YOLOv8

Abstrak

Salah satu pengembangan machine learning yaitu deep learning merupakan salah satu metode inti dalam artificial intelligence yang sedang berkembang dengan pesat, dikarenakan kemampuannya dalam mempelajari informasi dalam jumlah besar. Salah satu cabang dari deep learning adalah computer vision, dan Convolutional Neural Network (CNN) yang merupakan metode yang paling banyak digunakan untuk melakukan pemrosesan citra. YOLOv8 merupakan salah satu algoritma yang menggunakan CNN yang telah dimodifikasi sebagai dasar, YOLOv8 merupakan algoritma open-source yang paling banyak digunakan dikarenakan menghasilkan hasil pengenalan objek yang akurat, cepat, dan mudah untuk di implementasikan. Proses pelatihan model dari YOLOv8 membutuhkan perangkat yang cukup memadai dengan jumlah epochs yang ditentukan secara manual. Penelitian ini bertujuan untuk mengetahui jumlah epoch yang dibutuhkan dalam membuat model YOLOv8 sesuai dengan kriteria yang di tentukan pada penelitian ini. Pelatihan akan dilakukan dengan menggunakan 50 epochs, 100 epochs, 150 epochs, 200 epochs, 250 epochs, dan 300 epochs. Pelatihan akan di jalankan dengan menggunakan dataset citra bibit ikan lele yang terdiri dari 753 gambar bibit ikan lele yang telah di anotasikan. Pelatihan dijalankan dengan menggunakan CPU Ryzen 5 4600H. Berdasarkan dari hasil pelatihan didapatkan bahwa 50 epochs memiliki waktu pelatihan tercepat dengan hasil yang kurang baik. Hasil terbaik terdapat pada 200-300 epochs dengan rata-rata precision sebesar 96% dengan waktu pelatihan yang cukup lama.