KLASIFIKASI VARIETAS ALPUKAT BERDASARKAN CITRA MULTIDAUN MENGGUNAKAN YOLOv8

Sinta Murwanti, . (2025) KLASIFIKASI VARIETAS ALPUKAT BERDASARKAN CITRA MULTIDAUN MENGGUNAKAN YOLOv8. Skripsi thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA.

	Text 1_Cover_123210036_Sinta Murwanti.pdf Download (236kB)
	Text 2_Abstrak_123210036_Sinta Murwanti.pdf Download (753kB)
	Text 3_Halaman Pengesahan_123210036_Sinta Murwanti.pdf Download (392kB)
	Text 4_Daftar Isi_123210036_Sinta Murwanti.pdf Download (362kB)
	Text 5_Daftar Pustaka_123210036_Sinta Murwanti.pdf Download (854kB)
	Text 6_Skripsi Full_123210036_Sinta Murwanti.pdf Restricted to Repository staff only Download (6MB)

Abstract

Kemajuan teknologi kecerdasan buatan telah memberikan peluang besar dalam mendukung sektor pertanian, khususnya dalam meningkatkan efektivitas proses identifikasi varietas tanaman. Salah satu permasalahan yang sering muncul di lapangan adalah kesulitan membedakan varietas alpukat, terutama Miki, Aligator, dan Red Vietnam, karena ketiga varietas tersebut memiliki bentuk serta warna daun yang sangat mirip. Identifikasi yang keliru dapat menimbulkan kerugian jangka panjang, misalnya dalam pemilihan bibit yang baru diketahui hasilnya setelah pohon berbuah. Kondisi ini mengakibatkan pemborosan waktu, biaya, dan tenaga, sekaligus menurunkan kepercayaan konsumen. Oleh karena itu, diperlukan suatu sistem klasifikasi otomatis yang mampu mendeteksi varietas alpukat secara akurat berdasarkan ciri visual daun, sehingga dapat membantu petani, penyuluh, maupun pelaku industri hortikultura dalam memastikan kualitas bibit sejak dini.
Penelitian ini mengusulkan pengembangan sistem klasifikasi varietas alpukat berbasis citra multidaun dengan menggunakan algoritma YOLOv8. Dataset yang digunakan terdiri dari 600 citra yang dikumpulkan di SOBO Kebun, Bantul, masing-masing mewakili tiga varietas alpukat serta tambahan kelas non-alpukat. Seluruh citra diambil menggunakan kamera ponsel dengan resolusi 12 MP, kemudian diproses melalui tahapan prapemrosesan meliputi anotasi objek, pembagian data ke dalam set pelatihan, validasi, dan pengujian, serta augmentasi untuk menambah variasi data. Proses pelatihan dilakukan menggunakan YOLOv8-seg dengan konfigurasi hyperparameter tertentu selama 50 epoch. Evaluasi performa dilakukan dengan menggunakan metrik precision, recall, serta mean Average Precision (mAP).
Hasil penelitian menunjukkan bahwa model YOLOv8-seg mampu mendeteksi dan mengklasifikasikan varietas alpukat dalam citra yang mengandung banyak daun. Model memberikan performa terbaik dengan mAP50 mencapai 92,6% dan mAP50–95 sebesar 78,9%. Sistem ini mampu membedakan varietas Miki, Aligator, dan Red Vietnam secara konsisten, bahkan pada citra dengan kondisi daun bertumpuk maupun pencahayaan yang bervariasi. Dengan demikian, penelitian ini berhasil menjawab permasalahan identifikasi varietas alpukat di lapangan secara lebih cepat, efisien, dan akurat. Kontribusi dari penelitian ini adalah tersedianya pendekatan berbasis kecerdasan buatan yang dapat dimanfaatkan sebagai dasar pengembangan teknologi klasifikasi tanaman hortikultura lainnya menggunakan metode deteksi objek modern.
Kata Kunci: YOLOv8, citra daun, klasifikasi alpukat, deteksi objek, pertanian digital.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Sinta Murwanti (Penulis - 123210036) Novrido Charibaldi (Pembimbing)
Uncontrolled Keywords:	Kata Kunci: YOLOv8, citra daun, klasifikasi alpukat, deteksi objek, pertanian digital.
Subjek:	S Agriculture > SB Plant culture T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	10 Oct 2025 01:25
Last Modified:	10 Oct 2025 01:25
URI:	http://eprints.upnyk.ac.id/id/eprint/44203

Actions (login required)

View Item