Berikut adalah silabus 10x sesi pelatihan atau skripsi untuk topik:
“Aplikasi Android untuk Deteksi Objek Menggunakan YOLO dan TensorFlow Lite”
Masing-masing sesi berdurasi ±1,5 jam, cocok untuk bimbingan skripsi, kursus intensif, atau riset mandiri.
Silabus 10x Sesi
Topik: Aplikasi Android untuk Deteksi Objek Menggunakan YOLO dan TensorFlow Lite
Sesi 1: Pengenalan Deteksi Objek dan Arsitektur YOLO
-
Apa itu deteksi objek?
-
Perbedaan klasifikasi, deteksi, dan segmentasi.
-
Pengenalan YOLO (You Only Look Once): YOLOv5 vs YOLOv8
-
Alur umum penggunaan YOLO dalam aplikasi mobile (Android).
-
Studi kasus aplikasi nyata.
Sesi 2: Persiapan Lingkungan Pengembangan Android Studio
-
Instalasi Android Studio dan emulator/device testing.
-
Struktur project Android.
-
Pengenalan TensorFlow Lite (TFLite) dan fungsinya di Android.
-
Instalasi library pendukung: TensorFlow Lite, CameraX, OpenCV (opsional).
Sesi 3: Dataset dan Pelatihan Model YOLO
-
Pengenalan dataset deteksi objek (COCO, Roboflow, custom dataset).
-
Membuat custom dataset (contoh: deteksi buah atau benda rumah).
-
Labeling dengan LabelImg/Roboflow.
-
Training model YOLOv5/Yolov8 menggunakan Google Colab.
-
Export model ke format .tflite .
Sesi 4: Konversi Model YOLO ke TensorFlow Lite
-
Cara export YOLO ke ONNX → TensorFlow → TFLite.
-
Tools: tf2onnx , tensorflow_converter , Netron .
-
Optimasi model TFLite untuk performa Android (quantization, FP16, int8).
Sesi 5: Integrasi TensorFlow Lite ke Android Studio
-
Struktur file TFLite dan label map.
-
Penempatan model ke dalam project Android ( assets folder).
