ANALISIS PERBANDINGAN KINERJA SISTEM INVENTORI DENGAN ALGORITMA PENDETEKSI BARANG BERBASIS YOLOV11 DAN YOLOV8

Abstract

Peningkatan efisiensi dan akurasi dalam sistem inventori merupakan tantangan utama dalam manajemen logistik modern. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua algoritma deteksi objek berbasis deep learning, yaitu YOLOv8 dan YOLOv11, dalam mendeteksi dan mengidentifikasi barang secara otomatis. Metode penelitian yang digunakan adalah eksperimen dengan melatih kedua model menggunakan dataset yang sama, kemudian mengevaluasi performanya berdasarkan metrik precision, recall, F1-score, mean Average Precision (mAP), dan kecepatan inferensi (FPS). Hasil penelitian menunjukkan bahwa YOLOv11 memiliki performa yang menunjukkan performa yang lebih baik dengan nilai mAP sebesar 0.83 dan FPS sebesar 52, dibandingkan YOLOv8 yang memperoleh mAP sebesar 0.81 dan FPS sebesar 43. Hal ini menunjukkan bahwa YOLOv11 mampu memberikan keseimbangan yang lebih baik antara akurasi dan kecepatan. Penelitian ini memberikan kontribusi dalam pemilihan model deteksi objek yang optimal untuk sistem inventori berbasis computer vision.