AHMADI, JUHAR RISKI (2026) ANALISIS PERBANDINGAN ALGORITMA CNN DAN YOLO V11 UNTUK PENDETEKSIAN KEMATANGAN DAN KELAYAKAN PANEN JAMUR TIRAM. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (45kB)
	Text Abstrak.pdf Download (130kB)
	Text Bab I.pdf Download (82kB)
	Text Daftar Pustaka.pdf Download (142kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

Penentuan waktu panen jamur tiram (Pleurotus sp) secara manual masih bergantung pada pengamatan visual petani yang bersifat subjektif, tidak konsisten, dan kurang efisien untuk skala produksi besar. Penelitian ini bertujuan menganalisis dan membandingkan performa dua algoritma deep learning, yaitu Convolutional Neural Network (CNN) dengan arsitektur ResNet50 dan YOLOv11, dalam mendeteksi tingkat kematangan dan kelayakan panen jamur tiram ke dalam dua kelas: “layak panen” dan “belum layak panen”. Dataset terdiri dari 1.200 citra yang dikumpulkan langsung di Kulat Aceh Farm (600 citra per kelas) dengan variasi sudut, jarak, dan kondisi pencahayaan. Seluruh citra melalui tahap preprocessing berupa auto-orientation dan resize ke resolusi 640×640 piksel, kemudian dibagi menjadi data latih (70%), validasi (20%), dan uji (10%), dengan augmentasi diterapkan hanya pada data latih. Evaluasi perbandingan dilakukan menggunakan 30 citra baru yang sepenuhnya terpisah dari proses pelatihan untuk mengukur kemampuan generalisasi pada kondisi nyata, dengan metrik accuracy, precision, recall, F1-Score, dan waktu pelatihan. Hasilnya, YOLOv11s mengungguli CNN ResNet50 dengan memperoleh nilai accuracy, precision, recall, dan F1-Score yang seimbang sebesar 93%, sementara CNN ResNet50 memperoleh accuracy 90%, precision 100%, recall 83,3%, dan F1-Score 90,9%. Dari sisi efisiensi, CNN ResNet50 memiliki waktu pelatihan lebih singkat (71,9 menit) dibandingkan YOLOv11s (89,3 menit), namun nilai recall yang rendah mengindikasikan masih adanya objek yang gagal terdeteksi. Secara keseluruhan, YOLOv11s terbukti lebih optimal dan andal untuk sistem pendeteksian kematangan dan kelayakan panen jamur tiram, dengan keseimbangan performa yang lebih baik di seluruh metrik evaluasi serta berpotensi diintegrasikan ke dalam sistem smart farming berbasis IoT untuk otomasi panen jamur tiram.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	JUHAR RISKI AHMADI
Date Deposited:	14 Oct 2026 04:24
Last Modified:	14 Oct 2026 04:24
URI:	https://rama.unimal.ac.id/id/eprint/23593

Actions (login required)

View Item