DETEKSI HAMA DAN PENYAKIT TANAMAN KAKAO (Theobroma cacao L.) BERDASARKAN CITRA BUAH BERBASIS DEEP LEARNING
Produktivitas kakao di Provinsi Lampung mengalami penurunan signifikan akibat
serangan hama dan penyakit yang tidak ditangani secara optimal karena rendahnya
pengetahuan petani mengenai jenis serangan tersebut. Penelitian ini bertujuan untuk
merancang model optimal dalam mendeteksi hama dan penyakit pada tanaman
kakao menggunakan model pra-latih YOLOv8. Pengambilan 2000 gambar buah
kakao yang menunjukkan gejala serangan hama dan penyakit dilakukan, dengan
setiap klasifikasi (helopeltis, PBK, penyakit busuk buah, dan kakao sehat) masing
masing memiliki 500 gambar. Persiapan dataset meliputi tahap anotasi, pembagian
data, preprocessing dan augmentasi data menggunakan platform roboflow. Model
optimal dirancang dengan metode fine tuning melalui variasi pembagian data,
learning rate, dan jumlah epoch menggunakan model pra-latih YOLOv8 pada
Google Colaboratory. Evaluasi metrik model dianalisis berdasarkan nilai akurasi,
precision, recall, dan F1-score. Hasil penelitian menunjukkan model optimal untuk
mendeteksi hama dan penyakit tanaman kakao dirancang dengan rasio pembagian
data 90%:5%:5%, learning rate 0.01, dan jumlah epoch 100. Evaluasi metrik pada
pengujian menghasilkan nilai akurasi, precision, recall, dan F1-Score pada kelas
kakao sehat, helopeltis, dan busuk buah sebesar 100%, sedangkan pada kelas PBK
dihasilkan nilai akurasi 92%, precision 100%, recall 92%, dan F1-Score 95.83%.
Hasil evaluasi yang mendekati 100% menunjukkan model dapat berjalan dengan
optimal.
URI
https://repo.itera.ac.id/depan/submission/SB2407200002
Keyword
Deteksi Hama Penyakit Kakao Deep Learning YOLOv8