(0721) 8030188    [email protected]   

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