View/Open

Author
STANISLAUS, NICKO FASIO PRIYANJAGA

Date Published
06 Feb 2026

Advisor
Meida Cahyo Untoro, S.Kom., M.Kom,
Radhinka Bagaskara, S.Si.Kom., M.Si., M.Sc.,

Subject
Teknik Informatika

Publisher

Singkong (Manihot esculenta) merupakan komoditas pangan strategis di Indonesia yang berperan penting sebagai sumber karbohidrat dan bahan baku industri, khususnya di Provinsi Lampung sebagai salah satu sentra produksi utama. Namun, produktivitas tanaman singkong masih menghadapi permasalahan serius akibat serangan penyakit pada daun, seperti Cassava Mosaic Disease, Cassava Brown Streak Disease, Cassava Bacterial Blight, dan Cassava Green Mottle. Penelitian ini bertujuan untuk mengimplementasikan metode transfer learning pada arsitektur YOLOv11 guna mendeteksi dan mengklasifikasikan penyakit daun singkong serta mengevaluasi performa model yang dihasilkan. Metode penelitian meliputi pengumpulan dataset primer berupa 578 citra daun singkong yang diambil langsung di Kabupaten Lampung Tengah dan dibagi ke dalam lima kelas, yaitu Cassava Bacterial Blight, Cassava Brown Streak Disease, Cassava Green Mottle, Cassava Mosaic Disease, dan Cassava Healthy. Dataset diproses melalui tahap anotasi, preprocessing, dan augmentasi, kemudian digunakan untuk pelatihan model YOLOv11 dengan pendekatan transfer learning dan hyperparameter tuning. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan mean Average Precision (mAP). Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh dengan optimizer SGD, ukuran citra 640×640, dan batch size 16, dengan nilai mAP sebesar 87,96

URI
https://repo.itera.ac.id/depan/submission/SB2602120029

Keyword
Transfer Learning Singkong YOLOv11 Penyakit Daun Objek Deteksi