PENERAPAN YOU ONLY LOOK ONCE (YOLO) V8 UNTUK DETEKSI PENYAKIT PADA DAUN TOMAT SECARA REAL-TIME

Firmansyah, Muhammad Rizki (2024) PENERAPAN YOU ONLY LOOK ONCE (YOLO) V8 UNTUK DETEKSI PENYAKIT PADA DAUN TOMAT SECARA REAL-TIME. Other thesis, UPN "Veteran" Yogyakarta.

	Text Skripsi_Full.pdf Restricted to Repository staff only Download (5MB)
	Text Abstrak.pdf Download (263kB)
	Text Cover.pdf Download (248kB)
	Text Pengesahan.pdf Download (473kB)
	Text Daftar Isi.pdf Download (321kB)
	Text Daftar Pustaka.pdf Download (213kB)

Abstract

Tomat merupakan salah satu tumbuhan yang diminati karena kaya akan kandungan
antioxidan. Proses pembubidayaan tomat tidak terlepas dari penyakit yang bisa diderita pada
setiap tahap perkembangannya. Penyakit ini dapat diidentifikasi secara dini melalui karakteristik
daun menggunakan pendekatan deteksi objek yang dimodifikasi secara real-time. Salah satu
metode yang dapat digunakan seiring dengan pendekatan ini adalah YOLOv8. Pada penelitian
ini, YOLOv8 digunakan untuk mengetahui bagaimana kinerja YOLOv8 untuk mendeteksi
penyakit pada daun tomat dengan mengukur tingkat akurasi dan kecepatan deteksi dari sistem
yang dihasilkan.
Dataset yang digunakan pada penelitian ini berasal dari Roboflow dan Kaggle yang
berjumlah 4.450 citra. Preprocessing data dilakukan pada data yang telah diperoleh
menggunakan beberapa metode yaitu anotasi, splitting, resize, dan augmentasi. Pelatihan model
dilakukan dengan menggunakan pre-trained model dari YOLOv8, yaitu yolov8n. Model
kemudian diintegrasikan ke dalam sistem mobile yang dibuat menggunakan bahasa
pemrograman dart dengan framework Flutter. Pengujian yang dilakukan pada penelitian ini
mencakup pengujian performa model dengan menggunakan Mean Average Precision (mAP)
dan kecepatan deteksi sistem dengan menggunakan perhitungan rata-rata dari setiap deteksi
yang dilakukan.
Hasil pengujian menunjukkan nilai precision sebesar 94.2%, recall sebesar 92%, dengan
nilai mAP50 sebesar 97.2% dan mAP50-95 sebesar 91.3%. Kecepatan rata-rata deteksi dari
sistem yang telah dibuat mencapai 805,29ms untuk setiap deteksi yang dilakukan. Model dapat
mengklasifikasikan penyakit dengan baik. Namun, sering kali daun tomat tidak terdeteksi
dikarenakan kurang jelasnya citra yang ditangkap dan rendahnya nilai confidence score yang
didapatkan pada saat pendeteksian.
Kata kunci: Daun Tomat, Deep Learning, Deteksi Penyakit, YOLOv8

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Daun Tomat, Deep Learning, Deteksi Penyakit, YOLOv8
Subjects:	S Agriculture > SB Plant culture T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	12 Nov 2024 03:18
Last Modified:	12 Nov 2024 03:18
URI:	http://eprints.upnyk.ac.id/id/eprint/41613

Actions (login required)

View Item