Kursus Skripsi Tesis Disertasi Python YOLO ~ Deteksi Barang Terlarang dalam Gambar X-ray Bandara Menggunakan YOLO dan Augmentasi Data

Berikut adalah silabus 10 sesi (masing-masing 1,5 jam) untuk topik:

“Deteksi Barang Terlarang dalam Gambar X-ray Bandara Menggunakan YOLO dan Augmentasi Data”

📘 Tujuan Umum:

Mahasiswa mampu membangun sistem deteksi otomatis barang-barang terlarang dalam citra X-ray bandara menggunakan algoritma YOLO (You Only Look Once), serta meningkatkan performa model dengan teknik augmentasi data.

🗂️ Silabus Detail 10 Sesi

🧩 Sesi 1: Pengenalan Sistem Keamanan Bandara dan Citra X-ray

• Jenis ancaman dan barang terlarang (senjata, cairan, bahan peledak)

• Fungsi citra X-ray dalam deteksi barang

• Contoh dataset citra X-ray (GDXray, SIXray)

• Diskusi studi kasus bandara

🧠 Sesi 2: Dasar-dasar YOLO dan Object Detection

• Pengenalan Object Detection vs Image Classification

• Arsitektur dasar YOLOv4, YOLOv5, YOLOv7, dan YOLOv8

• Bounding box, confidence score, IoU

• Perbandingan YOLO vs SSD vs Faster-RCNN

🗃️ Sesi 3: Dataset X-ray dan Data Annotation

• Format dataset YOLO: .jpg + .txt

• Labeling tools (LabelImg, Roboflow, CVAT)

• Kategori label (gun, knife, scissors, etc)

• Praktik: Melabeli 10 citra X-ray secara manual

🧪 Sesi 4: Augmentasi Data untuk Citra X-ray

• Tujuan augmentasi: variasi sudut, ukuran, pencahayaan

• Teknik: rotation, flip, zoom, brightness, mosaic, cutmix

• Tools: Albumentations, Roboflow, YOLO augmentations

• Praktik augmentasi dataset asli

💻 Sesi 5: Instalasi dan Setup YOLOv5 atau YOLOv8

• Persiapan lingkungan kerja (Python, PyTorch, Jupyter)

• Instalasi YOLO dari repo Ultralytics

• Struktur folder dan konfigurasi training

• Penjelasan hyperparameters penting

🚀 Sesi 6: Training YOLO untuk Deteksi Barang Terlarang

• Pembagian dataset (train, val, test)

• Menjalankan training

• Early stopping dan checkpoint

• Analisis grafik loss dan precision-recall

🧮 Sesi 7: Evaluasi Model dan Metode Perbaikan

• Evaluasi: mAP, precision, recall, F1 score

• Confusion matrix dan analisis error

• Overfitting dan underfitting

• Fine-tuning dan retraining

🎯 Sesi 8: Implementasi Deteksi Barang Terlarang (Inferensi Realtime/Batch)

• Menggunakan model terlatih untuk mendeteksi objek

• Simulasi deteksi gambar X-ray baru

• Visualisasi hasil bounding box

• Pengujian dengan citra X-ray tidak dikenal (unseen)

🔗 Sesi 9: Integrasi dan Penggunaan Model untuk Keamanan

• Integrasi ke aplikasi Python/GUI sederhana

• Skenario simulasi untuk sistem keamanan bandara

• Simulasi keputusan otomatis (alert, notifikasi)

• Pembahasan potensi integrasi ke sistem bandara

📊 Sesi 10: Presentasi Proyek Mini + Evaluasi Akhir

• Masing-masing peserta mempresentasikan:

  • Model mereka

  • Dataset

  • Augmentasi yang digunakan

  • Hasil deteksi

• Tanya jawab, umpan balik, dan rencana pengembangan lebih lanjut

🛠️ Perangkat Pendukung:

• Python 3.9+

• PyTorch, Ultralytics YOLO

• Google Colab / Jupyter Notebook

• Roboflow / LabelImg

• Dataset: SIXray, GDXray, atau buatan sendiri