Analisis Perbandingan Kinerja YOLO dan Faster R-CNN Pada Deteksi Jenis dan Estimasi Berat Ikan Kerapu dan Ikan Kakap Menggunakan Citra Digital 

Ikan kerapu dan ikan kakap merupakan jenis ikan yang banyak dikonsumsi dan memiliki nilai ekonomi tinggi di pasar global. Untuk menentukan nilai ekonomi dari ikan tersebut, identifikasi jenis dan estimasi berat menjadi aspek penting dalam penentuan harga dan kualitas ikan yang diperdagangkan. Metode manual yang umum digunakan cenderung memakan waktu yang lama serta memerlukan tenaga kerja yang tidak sedikit. Berdasarkan hal tersebut, diperlukan metode berbasis komputer yang lebih efektif dalam melakukan kegiatan repetitif tersebut. Tujuan dari penelitian ini yaitu menganalisis performa dari kedua model deep learning yang sering digunakan yaitu YOLO dan Faster R-CNN, pada kasus pendeteksian jenis dan estimasi berat pada jenis-jenis ikan kerapu dan ikan kakap tertentu. Data yang digunakan berjumlah 2991 data yang terbagi 18 kelas. Kemudian data tersebut diaugmentasi menggunakan fitur rotate dan flip menjadi 6843 data citra. Pada proses deteksi digunakan detection threshold sebesar 0,8 yang berarti objek yang terdeteksi dengan confidence dibawah 0,8 akan diabaikan. Kedua model tersebut setelah dilatih akan diuji performanya menggunakan parameter precision, recall, dan accuracy untuk menguji seberapa akurat model dalam memprediksi jenis ikan pada data masukan serta Mean Absolute Percentage Error (MAPE) untuk mengevaluasi hasil estimasi oleh model. Dalam perbandingan antara model YOLO dan Faster R-CNN, terdapat perbedaan dalam hasil evaluasi kuantitatif. Model YOLO menunjukkan tingkat precision, recall dan accuracy secara berturut sebesar 0,98, 0,98, dan 0,96, sementara model Faster R-CNN memiliki nilai precision, recall, dan accuracy sebesar 0,97, 0,98, dan 0,95. Selain itu, MAPE pada estimasi berat untuk model YOLO adalah 2,42% untuk data citra dan 3,66% untuk data video, sementara untuk Faster R-CNN, nilainya yaitu 14,62% untuk data citra dan 13,59% untuk data video. Dengan demikian, dapat disimpulkan bahwa model YOLO memberikan hasil yang lebih baik dalam evaluasi kuantitatif dibandingkan dengan Faster R-CNN.