IMPLEMENTASI YOLOV8 SEGMENTASI UNTUK DETEKSI TINGKAT KEPARAHAN PENYAKIT BERCAK DAUN PADA KELAPA SAWIT

SHAH DELPHI MUHAMMAD, . (2026) IMPLEMENTASI YOLOV8 SEGMENTASI UNTUK DETEKSI TINGKAT KEPARAHAN PENYAKIT BERCAK DAUN PADA KELAPA SAWIT. Skripsi thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA.

	Text 1_Cover_123220027.pdf Download (161kB)
	Text 2_Abstrak_123220027.pdf Download (230kB)
	Text 3_Halaman Pengesahan_123220027.pdf Download (231kB)
	Text 4_Daftar Isi_123220027.pdf Download (257kB)
	Text 5_Daftar Pustaka_123220027.pdf Download (193kB)
	Text 6_Skripsi Full_123220027.pdf Restricted to Repository staff only Download (4MB)

Abstract

Penyakit bercak daun merupakan salah satu jenis penyakit tanaman yang dapat menurunkan kualitas dan produktivitas apabila tidak ditangani dengan tepat. Proses identifikasi penyakit di lapangan umumnya masih dilakukan secara manual melalui pengamatan visual yang bersifat subjektif dan membutuhkan waktu relatif lama. Penelitian sebelumnya banyak menggunakan metode klasifikasi berbasis Convolutional Neural Network (CNN) yang hanya menghasilkan label tanpa mampu menunjukkan lokasi area penyakit secara spesifik. Selain itu, sebagian besar penelitian belum mampu membedakan objek daun target dan non-target secara otomatis. Oleh karena itu, penelitian ini mengimplementasikan model You Only Look Once version 8 berbasis segmentasi (YOLOv8-seg) untuk mendeteksi, melakukan segmentasi area penyakit bercak daun, serta mengidentifikasi daun kelapa sawit dan daun non-sawit.
Metodologi penelitian meliputi pengumpulan dataset primer berupa citra daun tanaman yang difokuskan pada daun kelapa sawit, proses anotasi berbasis polygon, penyeragaman ukuran citra, serta augmentasi data untuk meningkatkan variasi pelatihan. Model dilatih menggunakan pendekatan transfer learning dengan penyesuaian hyperparameter untuk mengoptimalkan proses pembelajaran. Evaluasi performa model dilakukan menggunakan metrik Precision, Recall, Confusion Matrix, serta Mean Average Precision (mAP) untuk mengukur kemampuan model dalam melakukan segmentasi dan klasifikasi objek secara akurat.
Hasil segmentasi berupa mask objek digunakan untuk menghitung luas area bercak dan luas total daun berdasarkan jumlah piksel. Perbandingan kedua nilai tersebut menghasilkan persentase tingkat keparahan penyakit secara otomatis. Sistem juga mampu menolak objek daun non-sawit sehingga proses analisis tingkat keparahan hanya dilakukan pada daun kelapa sawit sebagai objek target penelitian. Dengan demikian, penelitian ini tidak hanya mampu mendeteksi keberadaan penyakit, tetapi juga memberikan analisis kuantitatif terhadap tingkat keparahan penyakit secara lebih objektif. Penelitian ini diharapkan dapat memberikan kontribusi dalam penerapan teknologi deep learning untuk deteksi dini penyakit bercak daun serta mendukung pengambilan keputusan dalam pengelolaan tanaman kelapa sawit.

Kata Kunci: Penyakit bercak daun, YOLOv8-seg, Instance segmentation, Deteksi penyakit tanaman, Tingkat Keparahan

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	SHAH DELPHI MUHAMMAD (Penulis - 123220027) ; RUDY CAHYADI (Pembimbing)
Uncontrolled Keywords:	Penyakit bercak daun, YOLOv8-seg, Instance segmentation, Deteksi penyakit tanaman, Tingkat Keparahan
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	21 May 2026 06:22
Last Modified:	21 May 2026 06:22
URI:	http://eprints.upnyk.ac.id/id/eprint/48666

Actions (login required)

View Item