Abstrak

Penelitian ini bertujuan untuk mengembangkan model deteksi objek berbasis deep learning menggunakan algoritma YOLOv8 dalam mengidentifikasi elemen-elemen pada gambar Tes BAUM (Tree Drawing Test) untuk mendukung evaluasi kepribadian secara lebih objektif dan terstandarisasi. Permasalahan utama dalam interpretasi Tes BAUM adalah sifatnya yang subjektif dan bergantung pada pengalaman psikolog, sehingga berpotensi menimbulkan inkonsistensi hasil. Penelitian ini menggunakan pendekatan kuantitatif dengan metode eksperimen melalui tahapan pengumpulan data, anotasi, preprocessing, augmentasi, pembagian dataset, pelatihan model, serta evaluasi menggunakan metrik precision, recall, dan mean Average Precision (mAP). Dataset terdiri dari citra gambar pohon yang dianotasi menjadi empat kelas utama, yaitu mahkota, batang, steambasis, dan akar. Hasil penelitian menunjukkan bahwa model YOLOv8 mampu mendeteksi elemen-elemen tersebut dengan cukup baik, dengan nilai precision sebesar 0,87, recall sebesar 0,73, [email protected] sebesar 0,76, dan [email protected]:0.95 sebesar 0,49. Model menunjukkan performa terbaik pada elemen batang dan akar, sementara elemen dengan ukuran kecil seperti steambasis masih memiliki keterbatasan. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan YOLOv8 efektif dalam meningkatkan objektivitas dan efisiensi analisis visual pada Tes BAUM serta berpotensi mendukung proses evaluasi psikologis berbasis teknologi.