Penerapan Media Pembelajaran Yolov4 Otomatis Pengenalan Jenis Komponen Elektronika di SMK Negeri 1 Tanjungbalai

Junaidi Junaidi, Muhammad Amin, Zulkhairani Zulkhairani, Suci Fitriayu

Abstract


The implementation of YOLOv4 technology in the image-processing-based learning system at SMK Negeri 2 Tanjungbalai aims to enhance students' understanding of various electronic components in the Audio-Video Engineering field. Currently, the learning process is still conducted manually, where teachers bring components such as resistors, capacitors, and other electronic parts. This method presents challenges in teaching the names of electronic components, as manual learning requires more time and students must recognize each component physically, one by one. Furthermore, students need to process resistor color codes and IC markings, which demand significant time and understanding. The YOLOv4 algorithm, known for its efficiency and accuracy, is utilized to detect and identify the type and value of components such as resistors, capacitors, transistors, and ICs automatically. This community service activity includes training, workshops, and the implementation of an image-processing-based application designed to assist students in a more interactive and efficient learning process. The results of this initiative indicate that the use of this technology positively impacts students' comprehension and improves the effectiveness of learning media in the school laboratory. 

Keywords: YOLOv4; image processing; electronic components; learning media

 

Abstrak: Penerapan teknologi YOLOv4 dalam sistem pembelajaran berbasis image processing di SMK Negeri 2 Tanjungbalai bertujuan untuk meningkatkan pemahaman siswa dalam mengenali berbagai komponen elektronika di bidang Teknik Audio Video. Media pembelajaran yang dilakukan saat ini masih menggunakan secara manual dengan cara guru membeawa komponen seperti resistor, kapasitor dan komponen lainnya. Dengan cara ini terdapat masalah dalam media pembelajaran untuk pengenalan nama nama komponen elektronika. Masalah yang terjadi pembelajaran manual membutuhkan waktu yang lebih lama dan siswa harus mengenali satu per satu nama nama komponen secara fisik. Selanjutnya siswa membutuhkan proses membaca kode warna resistor marking IC membutuhkan waktu dan pemahaman yang sangat lama. Algoritma YOLOv4 yang dikenal efisien dan akurat digunakan untuk mendeteksi serta mengidentifikasi jenis dan nilai komponen seperti resistor, kapasitor, transistor, dan IC secara otomatis. Kegiatan pengabdian ini mencakup pelatihan, workshop, serta implementasi aplikasi berbasis image processing yang dirancang untuk membantu siswa dalam proses pembelajaran yang lebih interaktif dan efisien. Hasil kegiatan menunjukkan bahwa penggunaan teknologi ini memberikan dampak positif terhadap pemahaman siswa serta meningkatkan efektivitas media pembelajaran di laboratorium sekolah. 

Kata kunci: YOLOv4; image processing; komponen elektronika; media pembelajaran


Full Text:

PDF

References


Bhaskoro, S. B., Supriyanto, H., & Falah, S. (2024). Sistem Identifikasi Jumlah Produk Berbasis Pengolahan Citra dengan Algoritma YOLO pada Proses Pengepakan Industri Manufaktur. JTRM (Jurnal Teknologi Dan Rekayasa Manufaktur), 6(1), 13–28. https://doi.org/10.48182/jtrm.v6i1.114

Fadilah, M. N., Ahmad, A., & Yunus, Y. (2024). Mobile Learning Media for Enhanced Motivation in Audio and Video Processing: A Vocational Multimedia Approach. Letters in Information Technology Education (LITE), 7(1), 01. https://doi.org/10.17977/um010v7i12024p01-06

Firgiawan, G., Lintang Seina, N., & Rosyani, P. (2024). Implementasi Metode You Only Look Once (YOLO) untuk Pendeteksi Objek dengan Tools OpenCV. Jurnal Artificial Inteligent Dan Sistem Penunjang Keputusan, 2(2), 137–141. https://jurnalmahasiswa.com/index.php/aidanspk

Ma’ady, M. N. P., Serafina, N. K., Andrew, D. M., & Liana, S. A. (2024).

Gamifikasi Peternakan Digital Desa Wonosalam dengan Pendeteksi Nama Hewan Ternak Berbasis Kecerdasan Buatan. Jurnal Penelitian Dan Pengabdian Kepada Masyarakat UNSIQ, 11(2), 115–120. https://doi.org/10.32699/ppkm.v11i2.6735

Pamungkas, D. S., Sani, A., Gautama, A., Analia, R., Hasnira, F Prebianto, N., Rahmawati, Z., Siregar, B., Al-Tsurayya, M., Saragi, E., & Yudiarta, G. (2022). Penempatan Pendeteksi Masker Untuk Pencegahan Penyebaran Covid di Kampus dan Pelabuhan. Journal of Applied Community Engagement, 2(1), 1–7. https://doi.org/10.52158/jace.v2i1.308

Purnama, B., Setyorini, S., Insanudin, E., Ismail, I., Labib, F., & Furqoon, N. S. (2024). Implementasi Computer Vision untuk Deteksi Truk. Jurnal Pengembangan Dan Pengabdian Masyarakat Multikultural, 2(1), 17–23. https://doi.org/10.57152/batik.v2i1.1223

Putra, P. Y., Arifianto, A. S., Fitri, Z. E., & Puspitasari, T. D. (2023). Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4. Jurnal Informatika Polinema, 9(2), 215–222. https://doi.org/10.33795/jip.v9i2.1243

Yolov, A. (2024). AILoan : Aplikasi Peminjaman Barang Sebagai Pencegahan Peluang Kehilangan Barang Unit Dukungan Teknologi Informasi Menggunakan. 268610896, 1–13.

Yu, Q., Liu, H., & Wu, Q. (2023). An Improved YOLO for Road and Vehicle Target Detection Model. Journal of ICT Standardization, 11(2), 197–216. https://doi.org/10.13052/jicts2245-800X.1125




DOI: https://doi.org/10.33330/jurdimas.v8i1.3684

Article Metrics

Abstract view : 23 times
PDF - 11 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Royal

Copyright © LPPM UNIVERSITAS ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.