Sistem Deteksi Kelelawar Menggunakan Metode YOLOv11 (You Only Look Once)

Latar belakang. Kelelawar merupakan salah satu mamalia nokturnal yang memiliki peran penting dalam menjaga keseimbangan ekosistem, seperti penyerbukan tanaman dan pengendalian hama serangga. Namun, pengamatan dan pendataan populasi kelelawar masih menjadi tantangan karena aktivitasnya yang berlangsung di malam hari, gerakan cepat, serta habitat yang sulit dijangkau. Tujuan. untuk membangun sistem deteksi kelelawar menggunakan metode You Only Look Once (YOLO), khususnya versi YOLOv11, untuk membantu proses identifikasi kelelawar secara otomatis melalui citra digital. Metode. yang digunakan dalam penelitian ini meliputi pengumpulan data citra kelelawar, pelabelan menggunakan platform Roboflow, serta pelatihan model YOLOv11 selama 150 epoch dengan batch size 16. Data pelatihan terdiri dari 405 gambar, sementara evaluasi model dilakukan dengan 72 gambar uji baru. Setelah pelatihan, model dikonversi ke dalam format TensorFlow Lite dan diintegrasikan ke dalam aplikasi Android. Evaluasi dilakukan menggunakan metrik precision, recall, F1-score, dan mAP50. Hasil. Model yang dipilih merupakan hasil dari epoch 100 di mana model menunjukkan performa yang cukup baik dengan precision sebesar 97,5%, recall 96%, F1-score 96,7%, dan mAP50 sebesar 98,9%. Ketika diuji dengan data testing, model tetap menunjukkan performa tinggi dengan precison 85,1%, recall 98,5%, F1-score sebesar 91,4% dan mAP50 sebesar 93,7%. Aplikasi Android yang dikembangkan berhasil menampilkan hasil deteksi dalam bentuk bounding box, label objek, dan confidence score. Kesimpulan. Sistem deteksi kelelawar menggunakan YOLOv11 terbukti mampu mendeteksi objek kelelawar. Aplikasi Android yang dibangun juga berhasil menampilkan hasil deteksi dengan menampilkan hasil seperti bounding box, label objek dan confidance score.