DETEKSI PENYAKIT DAUN TANAMAN KAKAO MENGGUNAKAN ALGORITMA YOLOV8

Putri Nurainun Yusuf. Deteksi Penyakit Daun Tanaman Kakao Menggunakan Algoritma Yolov8 (dibimbing oleh Indrabayu). Latar belakang. Deteksi dini hama/penyakit pada daun kakao membutuhkan metode yang cepat dan akurat untuk mendukung pemantauan lapangan. Penelitian ini mengembangkan sistem deteksi objek berbasis YOLOv8 untuk mengidentifikasi dua target utama, yaitu Hyposidra talaca dan Imago Helopeltis sp., serta mengevaluasi dampak praproses Contrast Limited Adaptive Histogram Equalization (CLAHE) terhadap kinerja model. Eksperimen dilakukan dengan membandingkan YOLOv8 baseline dan YOLOv8+CLAHE menggunakan metrik mAP@0.5, kurva F1/Precision/Recall, serta confusion matrix. Hasil menunjukkan bahwa YOLOv8 baseline memperoleh mAP@0.5 sebesar 0,951 (AP Hyposidra 0,950; AP Imago 0,952) dengan F1 terbaik sekitar 0,88 pada confidence ≈ 0,528, namun masih menghasilkan kesalahan tinggi terhadap background (false positive: 54 untuk Hyposidra dan 165 untuk Imago). Penerapan CLAHE meningkatkan performa menjadi mAP@0.5 sebesar 0,987 (AP Hyposidra 0,982; AP Imago 0,991) dan menaikkan F1 terbaik menjadi sekitar 0,95 pada confidence ≈ 0,405, disertai penurunan false positive terhadap background secara signifikan (dari 54→17 untuk Hyposidra dan 165→34 untuk Imago) serta penurunan false negative (Hyposidra 10→7; Imago 7→3). Temuan ini menegaskan bahwa integrasi CLAHE membuat deteksi lebih akurat dan lebih robust terhadap gangguan background, sehingga YOLOv8+CLAHE lebih layak diterapkan untuk pemantauan hama/penyakit daun kakao di lapangan.