Safina, Nurul (2024) Penerapan You Only Look Once Version 8 (YOLOv8) Dalam Deteksi Cepat Penyakit Jambu Air Melalui Citra Daun Secara Real-Time. S1 thesis, Universitas Malikussaleh.

	Text cover.pdf Download (49kB)
	Text Abstrak.pdf Download (7kB)
	Text BAB1.pdf Download (234kB)
	Text DaftarPustaka.pdf Download (138kB)
	Text Full-Text.pdf Restricted to Registered users only Download (7MB)

Abstract

Pendeteksian penyakit pada tanaman merupakan aspek krusial dalam pertanian untuk menjaga kesehatan dan produktivitas tanaman. Penelitian ini bertujuan untuk mengimplementasikan metode YOLOv8 dalam aplikasi berbasis web untuk mengidentifikasi penyakit pada daun jambu air. Evaluasi dilakukan terhadap performa metode dalam mendeteksi penyakit secara real-time, dengan perhitungan precision, recall, f1-score, accuracy, dan mean Average Precision (mAP).Dataset yang digunakan mencakup 754 gambar daun jambu air, yang telah diperluas menjadi 1229 gambar melalui proses augmentasi manual. Proses preprocessing dilakukan menggunakan platform Roboflow, sementara pelatihan model dilakukan di Google Colab dengan 100 epochs. Model YOLOv8 dikembangkan untuk mengenali enam jenis penyakit pada daun jambu air, termasuk embun jelaga, berlubang, antraknosa, mosaic virus, layu fusarium, dan gall, serta satu kategori daun normal atau sehat. Pengujian dilakukan pada 70 citra daun. Hasil evaluasi pengujian menunjukkan rata-rata precision sebesar 89%, recall 96%, accuracy 91%, f1-score 87%, dan mAP sebesar 89%. Sistem deteksi ini diimplementasikan menggunakan framework Flask, yang memfasilitasi integrasi model dengan antarmuka pengguna untuk aplikasi web. Hasil penelitian ini menunjukkan bahwa YOLOv8 efektif dalam mendeteksi penyakit pada daun jambu air dengan akurasi tinggi, yang dapat memberikan kontribusi signifikan dalam pengelolaan kesehatan tanaman pada praktik pertanian. Kata kunci: Deteksi Penyakit Tanaman, YOLOv8, Evaluasi Model, Daun Jambu Air, Framework Flask

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Nurul Safina
Date Deposited:	27 Aug 2024 02:39
Last Modified:	27 Aug 2024 02:39
URI:	https://rama.unimal.ac.id/id/eprint/5191

Actions (login required)

View Item