Kursus Python YOLO: Pengembangan Aplikasi Android Deteksi Buah Matang dengan YOLO-tiny

Berikut adalah silabus 10 sesi @1.5 jam untuk kursus “Pengembangan Aplikasi Android Deteksi Buah Matang dengan YOLO-tiny”. Silabus ini dirancang agar peserta memahami alur lengkap mulai dari dasar YOLO-tiny, anotasi data buah, training model, hingga integrasi ke aplikasi Android menggunakan TensorFlow Lite.

Silabus Kursus – 10 Sesi (masing-masing 1.5 jam)

Topik: Pengembangan Aplikasi Android Deteksi Buah Matang dengan YOLO-tiny

Sesi 1: Pengantar Deteksi Buah dan YOLO-tiny

• Pengenalan deteksi objek (object detection)

• Studi kasus: Deteksi buah matang

• Konsep dasar YOLO (You Only Look Once)

• Kelebihan YOLO-tiny untuk perangkat mobile

Sesi 2: Persiapan Dataset Deteksi Buah

• Jenis buah dan kondisi matang vs mentah

• Pengumpulan dan klasifikasi dataset gambar buah

• Anotasi gambar dengan LabelImg / Roboflow

• Format YOLO (bounding box, class label)

Sesi 3: Instalasi dan Konfigurasi Lingkungan Training

• Instalasi Python, OpenCV, dan dependensi YOLOv4-tiny

• Clone repository YOLO-tiny (Darknet atau Ultralytics)

• Struktur folder untuk pelatihan model

• Penyesuaian konfigurasi .cfg , .names , dan .data

Sesi 4: Training Model YOLO-tiny

• Preprocessing dataset

• Penjelasan parameter training: batch, subdivisions, epochs

• Training model buah matang dengan GPU (Google Colab)

• Evaluasi hasil training (precision, recall, mAP)

Sesi 5: Konversi Model ke Format Mobile

• Export model YOLO-tiny ke TensorFlow Lite (TFLite)

• Menggunakan darknet2onnx lalu onnx2tflite

• Validasi hasil konversi dan testing awal

Sesi 6: Pengenalan Android Studio & Flutter/Java