View/Open

Author

Date Published
27 Aug 2026

Advisor
Harmiansyah, S.T., M.T.,
Ir. Supriyanto, S.TP., M.KOM., Ph.D.,

Subject
Teknik Biosistem

Publisher

Kegiatan awal penanaman merupakan fase kritis dan penting dalam kegiatan budidaya yang dapat menentukan produktivitas tanaman. Pendeteksian jumlah bibit tanaman pada perkebunan besar membutuhkan teknologi agar penghitungan dapat dilakukan secara cepat. Salah satu metode yang dapat digunakan adalah pemanfaatan algoritma deep learning YOLO dengan menggunakan unmanned aerial vehicle. Tujuan penelitian ini adalah merancang algoritma deep learning untuk mendeteksi bibit pada hamparan nanas berbasis citra unmanned aerial vehicle. Metode dari penelitian ini meliputi beberapa tahapan: (1) Pengumpulan dataset (2) anotasi dataset (3) training , (4) uji validasi, dan (5) implementasi model deep learning. Penelitian ini menggunakan algoritma YOLOv8l, YOLOv8m, YOLOv8n, YOLOv8s, dan YOLOv8x. Analisis yang dipakai yaitu nilai precision, recall dan mAP80. Hasil penelitian didapatkan model yang optimal untuk deteksi bibit nanas *sucker* yaitu model terdahulu yang telah dilatih kembali dengan nilai *precision* sebesar 0.920, *recall* sebesar 0.937, dan mAP80 sebesar 0.937. Persentase keberhasilan akurasi dari perhitungan manual dengan model deep learning sebesar 97%.

URI
https://repo.itera.ac.id/depan/submission/SB2609170012

Keyword
Bibit nanas sucker Deep learning Transfer learning YOLOv8