IMPLEMENTASI INTERNET OF THINGS UNTUK IDENTIFIKASI BUAH TOMAT MATANG MENGGUNAKAN METODE YOLOV5

Wicaksono, Widya Luhur (2024) IMPLEMENTASI INTERNET OF THINGS UNTUK IDENTIFIKASI BUAH TOMAT MATANG MENGGUNAKAN METODE YOLOV5. Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK_WIDYA LUHUR WICAKSONO_123180079.pdf Download (13kB)
	Text COVER_WIDYA LUHUR WICAKSONO_123180079.pdf Download (168kB)
	Text DAFTAR ISI_WIDYA LUHUR WICAKSONO_123180079.pdf Download (75kB)
	Text DAFTAR PUSTAKA_WIDYA LUHUR WICAKSONO_123180079.pdf Download (143kB)
	Text PENGESAHAN PENGUJI_WIDYA LUHUR WICAKSONO_123180079.pdf Download (310kB)
	Text PENGESAHAN PEMBIMBING_WIDYA LUHUR WICAKSONO_123180079.pdf Download (215kB)
	Text SKRIPSI FULLTEXT_WIDYA LUHUR WICAKSONO_123180079.pdf Restricted to Repository staff only Download (4MB)

Abstract

Indonesia merupakan negara yang memiliki potensi besar di bidang pertanian. Tomat
merupakan salah satu jenis sayuran yang tumbuh di Indonesia. Permintaan tomat di
Indonesia sangat tinggi, yang tercermin dari produksi tomat. Berdasarkan data Badan Pusat
Statistik (BPS) tahun 2021, tomat menempati peringkat kelima dengan kontribusi produksi
sebesar 1.114.399,5 ton atau sekitar 7,67% dari produksi sayuran nasional. Proses pemilihan
tomat oleh berbagai perusahaan pengolah tomat, eksportir, dan produsen tomat biasanya
hanya bersifat manual dan melibatkan manusia sebagai pengambil keputusan. Proses
identifikasi di atas memakan waktu yang relatif lama, cenderung melelahkan dan
membosankan saat melakukan aktivitas yang monoton, perbedaan persepsi kualitas buah,
perbedaan hasil produk karena keterbatasan visual manusia, dan sangat dipengaruhi oleh
kondisi psikis pengamat. Hal ini juga dapat menyebabkan inkonsistensi dalam proses seleksi.
Metode manual terlalu memakan waktu dan membutuhkan dukungan mesin untuk skala
industri besar. Dengan menggunakan teknologi IoT, pengambilan gambar dapat dilakukan
secara otomatis menggunakan microcontroller ESP32 yang dihubungkan dengan kamera
OV2460 yang akan ditempatkan di sekitar tanaman tomat. Dengan menggunakan ESP32
yang terhubung dengan wifi, maka data citra akan dikirim ke cloud untuk diproses
menggunakan pengolahan citra. Pada penelitian ini menggunakan metode You Only Look
Once (YOLOv5) dengan menggunakan software googlecollab untuk deteksi dan klasifikasi
kematangan buah tomat, untuk jenis tomat yang akan di klasifikasi adalah tomat sayur.
Metode You Only Look Once (YOLOv5) ini akan diterapkan pada perangkat IoT. Adapun
perangkat IoT yang akan penulis gunakan yaitu ESP32 dan kamera OV2460 yang akan
dihubungkan dengan internet untuk mengunggah data. Dengan adanya penelitian ini
diharapkan dapat membantu untuk mempermudah pengklasifikasian tomat yang sudah
matang di pohon. Hasil pengujian dari model yang paling optimal yaitu percobaan model
ke-2 dengan 200 epoch dilakukan evaluasi menggunakan confusion matrix. Hasilnya
mendapatkan nilai recall sebesar 91,5%, nilai precision sebesar 91,5%, dan nilai f1-score
sebesar 87%. Berdasarkan hasil pengujian tersebut, penerapan metode You Only Look Once
v5 dapat dikatakan baik dalam mengklasifikasikan buah tomat matang dengan penggunaan
nilai epoch yang tepat, sehingga dapat menghasilkan akurasi yang optimal. Hasil pengujian
menggunakan data aktual dari google dan data yang didapat dari alat yang digunakan pada
penelitian ini menunjukkan bahwa data aktual dari google dengan resolusi tinggi dan tingkat
pencahayaan yang baik mendapatkan hasil yang baik, sedangkan untuk data aktual yang
diambil dari alat pada penelitian ini yaitu ESP32 cam dengan berbagai tingkat pencahayaan
dan jarak tertentu mendapatkan hasil yang kurang baik. Pada pengujian menggunakan
intensitas cahaya 300 lux menunjukan hasil yang kurang optimal dikarenakan buah tomat
matang tidak dapat terdeteksi dengan baik. Pada pengujian menggunakan intensitas Cahaya
1000 lux menunjukan hasil yang optimal dikarenakan tomat matang dan tidak matang dapat
terdeteksi dengan baik di berbagai jarak tertentu.
Kata kunci: Pengolahan citra, You Only Look Once, YOLOv5, Internet of Things, ESP32-
cam

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pengolahan citra, You Only Look Once, YOLOv5, Internet of Things, ESP32- cam
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	21 Jun 2024 01:30
Last Modified:	21 Jun 2024 01:30
URI:	http://eprints.upnyk.ac.id/id/eprint/39837

Actions (login required)

View Item