Deteksi Penyakit Daun Durian dengan Algoritma YOLO (You Only Look Once)

Abstract

Permasalahan yang dialami petani durian salah satunya adalah serangan penyakit terhadap daun sehingga mengganggu proses produksi buah. Penyakit yang sering menyerang daun durian adalah bercak daun dan hawar daun. Penelitian ini memiliki tujuan untuk menerapkan teknologi kecerdasan buatan yang dapat membantu mengenali, mengamati serta mendeteksi penyakit daun durian secara efektif. Algoritma deteksi objek menggunakan YOLO (You Only Look Once) merupakan bagian dari sistem kecerdasan buatan digunakan dalam penelitian ini. Objek yang dideteksi dalam penelitian ini dibagi menjadi 3 kelas yaitu bercak daun, hawar daun, dan daun sehat. Proses penyusunan sistem memanfaatkan citra daun yang memiliki kelas tersebut dengan jumlah 300 gambar dan 25 gambar sebagai citra uji. Dari hasil training dataset menggunakan Google Colab, nilai mAP tertinggi didapat pada epoch 100 yaitu sebesar 0,815. Model kemudian diuji dan mendapatkan nilai akurasi 85 %, kepresisian 96 %, dan recall 86%.

Keywords

Deteksi objek, penyakit daun durian, YOLO

Full Text:

PDF

References

A. Furqon, N. I. Fadlilah, “Sistem Pakar Untuk Mendiagnosa Hama Dan Penyakit Pada Pohon Durian,” Konferensi Nasional Ilmu Sosial & Teknologi (KNiST), vol. 1, no. 1, hal. 105-109, 2016.

Napitupulu, Rodame Monitorir, “Bertanam Durian Unggul,” Penebar Swadaya, Jakarta, 2015.

S. Indah Amelia, S. Eko, S. Achmad, “Sistem Pakar Diagnosis Hama Dan Penyakit Pada Pohon Buah Durian Montong Menggunakan Metode Forward Chaining Dengan Php Native,” Jurnal Sistem Informasi dan Teknologi Peradaban (JSITP), vol. 1, no. 1, hal. 6-22, 2020.

Muhammad Alfin Jimly Asshiddiqie, Basuki Rahmat, Fetty Tri Anggraeny, “Deteksi Tanaman Tebu Pada Lahan Pertanian Menggunakan Metode Convolutional Neural Network,” Jurnal Informatika dan Sistem Informasi (JIFoSI), vol. 1, no. 1, hal. 229, 2020.

Ren, Fangtao, Zhang, Yawei-Liu, Xi-Zhang, Yingqi-Liu, Ying-Zhang, Fan, “Identification of Plant Stomata Based on YOLO v5 Deep Learning Model,” CSAI '21: Proceedings of the 2021 5th International Conference on Computer Science and Artificial Intelligence, hal. 78-83, 2021. https://doi.org/10.1145/3507548.3507560

Alim, Maulana Muhammad Fathul, “Identifikasi Penyakit Tanaman Tomat Menggunakan Algoritma Convolutional Neural Network dan Pendekatan Transfer Learning,” Universitas Negeri Semarang, Semarang, 2020.

Reddy, Monalika Padma, Deeksha, “Mulberry leaf disease detection using YOLO,” International Journal of Advance Research, Ideas and Innovations in Technology (IJARIIT), vol. 7, no. 3, hal. 1816, 2021.

Ardieka Fahmi Radhitya; Abdal Jabar; Muhammad Kemal Qodrat; Hasan Maulana, “Perbandingan Sistem Pendeteksian Kendaraan: Faster RCNN dengan YOLOV5 untuk Keselamatan Lalu Lintas,” Jurnal AI dan SPK: Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan, vol. 1, no. 1, hal. 100-104, 2023.

Joseph Sanjaya; Mewati Ayub, “Augmentasi Data Pengenalan Citra Mobil Menggunakan Pendekatan Random Crop, Rotate, dan Mixup,” JuTISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 6, no. 2, hal. 313, 2020. https://doi.org/10.28932/jutisi.v6i2.2688

Muhammad Nur Ihsan Muhlashin; Arnisa Stefanie, “Klasifikasi Penyakit Mata Berdasarkan Citra Fundus Menggunakan YOLO V8,” Jurnal Mahasiswa Teknik Informatika (JATI), vol. 7, no. 2, hal. 1363-1367, 2023. https://doi.org/10.36040/jati.v7i2.6927

Tomy Abuzairi, Nurdina Widanti, Arie Kusumaningrum, Yeni Rustina, “Implementasi Convolutional Neural Network Untuk Deteksi Nyeri Bayi Melalui Citra Wajah Dengan YOLO,” JURNAL RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 4, hal. 624-630, 2021. https://doi.org/10.29207/resti.v5i4.3184

Annisa Auliya, Tresna Dewi, Yurni Oktarina, Mohammad Nawawi Noer, “Implementasi Pengolahan Citra Menggunakan Metode YOLO pada Security Robot di Bidang Pertanian,” Journal of Applied Smart Electrical Network and System (JASENS), vol. 3, no. 2, hal. 42-46, 2022. https://doi.org/10.52158/jasens.v3i02.508

http://dx.doi.org/10.28989/avitec.v6i1.2067

Article Metrics

Abstract view: 2068 times
Download     : 714   times

This work is licensed under a Creative Commons Attribution 4.0 International License.

Refbacks

• There are currently no refbacks.