View/Open

Author
Muhammad, Firdaus Khadavy

Date Published
15 Jul 2026

Advisor
Ni Wayan Arya Utari, S.TP., M.Sc,
Agapetalia Indriyawati, S.T., M.Sc.,

Subject
Teknik Biosistem

Publisher

Penentuan tingkat kematangan dan identifikasi defect pada jambu kristal dalam penyimpanan menggunakan Modified Atmosphere Storage (MAS) masih dilakukan secara manual sehingga berpotensi menimbulkan ketidakkonsistenan. Penelitian ini bertujuan membangun model instance segmentation YOLOv8 untuk mendeteksi tingkat kematangan dan defect pada jambu kristal. Dataset terdiri atas 500 citra yang dibagi menjadi data train, valid, dan test. Melalui augmentasi data, jumlah dataset meningkat menjadi 1.050 citra train, 100 citra valid, dan 50 citra test. Sebanyak 12 kombinasi hyperparameter dievaluasi menggunakan optimizer AdamW dan SGD dengan jumlah epoch 100, 150, dan 200 serta batch size 16 dan 32. Model terbaik diperoleh menggunakan optimizer AdamW, batch size 32, dan 200 epoch dengan nilai precision sebesar 0,4251, recall sebesar 0,4082, [email protected] sebesar 0,3775, dan F1-score sebesar 0,41. Nilai average precision (AP) tertinggi diperoleh pada kelas ripe sebesar 0,907 dan overripe sebesar 0,869, sedangkan seluruh kelas defect memiliki nilai AP di bawah 0,2. Model mampu mendeteksi tingkat kematangan, mengklasifikasikan jenis defect, serta mengestimasi luas area defect. Namun, kinerja model masih terbatas ([email protected] = 37,75%) akibat jumlah dataset yang terbatas dan ukuran area defect yang kecil, sehingga belum dapat digunakan sebagai satu-satunya dasar dalam pengambilan keputusan pascapanen.

URI
https://repo.itera.ac.id/depan/submission/SB2607140024

Keyword
Defect Instance segmentation Jambu kristal Modified atmosphere storage Yolov8