ahmad, Mirza zhulham (2025) DETEKSI PENYAKIT PADA DAUN DAN BUAH STRAWBERRY MENGGUNAKAN ALGORITMA YOU ONLY LOOK ONCE (YOLO) SECARA REALTIME = DETECTION OF DISEASES ON STRAWBERRY LEAVES AND FRUIT USING THE YOU ONLY LOOK ONCE (YOLO) ALGORITHM IN REAL TIME. Skripsi thesis, Universitas Hasanuddin.
D121191043-SKRIPSI-COVER.jpg
Download (68kB) | Preview
D121191043-SKRIPSI-BAB 1-2.pdf
Download (2MB)
D121191043-SKRIPSI-DAPUS.pdf
Download (114kB)
D121191043-SKRIPSI-FULL TEXT.pdf
Restricted to Repository staff only until 20 January 2027.
Download (2MB)
Abstract (Abstrak)
MIRZA ZHULHAM AHMAD. Deteksi Penyakit Pada Daun Dan Buah Strawberry Menggunakan Algoritma You Only Look Once (Yolo) Secara Realtime (dibimbing oleh Elly Warni) Penyakit yang menyerang tanaman Strawberry (Fragaria sp.) merupakan salah satu masalah utama dalam budidaya Strawberry, yang dapat menyebabkan kerugian besar pada produktivitas dan kualitas hasil panen. Pendekatan manual yang selama ini digunakan dalam mengidentifikasi penyakit sering kali tidak efisien, membutuhkan waktu yang lama, dan memiliki tingkat akurasi yang rendah. Kondisi ini membuat petani sulit melakukan tindakan pencegahan dengan cepat, sehingga risiko kerugian semakin meningkat. Sebagai solusi, penelitian ini mengusulkan penggunaan sistem deteksi berbasis algoritma YOLOv8 (You Only Look Once), yang dikenal efektif dalam mendeteksi objek secara real-time. Algoritma YOLO dipilih karena kemampuannya dalam memproses citra secara cepat dan akurat, sehingga memungkinkan identifikasi penyakit tanaman pada tahap awal. Dalam penelitian ini, metode yang digunakan melibatkan analisis citra daun Strawberry dengan penerapan YOLOv8. Algoritma YOLOv8 dilatih menggunakan dataset citra penyakit daun Strawberry yang terdiri dari beberapa kelas penyakit. Model ini dirancang untuk mendeteksi keberadaan penyakit berdasarkan pola dan gejala yang muncul pada daun, dengan parameter utama seperti presisi, recall, dan mean Average Precision (mAP). Proses pelatihan model dilakukan dengan mengoptimalkan parameter-parameter tersebut untuk mendapatkan hasil deteksi yang optimal. Hasil penelitian menunjukkan bahwa sistem deteksi penyakit berbasis YOLOv8 mampu mendeteksi berbagai kelas penyakit dengan tingkat presisi 0,899, recall 0,807, dan mAP50 sebesar 0,832. Dengan kinerja ini, sistem yang dikembangkan memiliki potensi besar untuk mendukung peningkatan produktivitas budidaya Strawberry melalui deteksi dini penyakit.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Uncontrolled Keywords: | Kata Kunci: YOLOv8, Fragaria sp, mAP, Strawberry |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Depositing User: | Unnamed user with username pkl2 |
| Date Deposited: | 05 Mar 2026 02:17 |
| Last Modified: | 05 Mar 2026 02:17 |
| URI: | http://repository.unhas.ac.id:443/id/eprint/54378 |
