AUFA FAIZ SETYAWAN (2024) IDENTIFIKASI PENYAKIT PADA DAUN MANGGA MENGGUNAKAN ALGORITMA YOLO V8. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (705kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (129kB)
Abstrak.pdf
Restricted to Registered users only
Download (9kB)
Bab I.pdf
Download (18kB)
Bab II.pdf
Restricted to Registered users only
Download (417kB)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
Bab V.pdf
Restricted to Registered users only
Download (73kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (74kB)
Lampiran.pdf
Restricted to Registered users only
Download (574kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (884kB)
Full Text.pdf
Restricted to Repository staff only
Download (4MB)
Abstract
Buah mangga (mangifera indica) merupakan buah tropis yang populer di dunia termasuk Indonesia. Produksi buah mangga Indonesia yang mencapai rekor 3 juta ton pada tahun 2022 menjadikan Indonesia sebagai produsen buah mangga terbesar ke-4 di dunia. Namun, dalam produksinya sering ditemukan penyakit yang menurunkan kualitas buah mangga. Pencegahan bisa dimulai dari identifikasi penyakit yang muncul pada daun mangga. Identifikasi secara manual yang biasa dilakukan memiliki kekurangan karena masih bersifat subjektif. Karena itu, dibutuhkan metode agar memudahkan proses identifikasi penyakit pada daun. Salah satunya menggunakan algoritma deteksi objek YOLO V8 yang memiliki akurasi yang tinggi dan inferensi yang cepat. YOLO V8 dilatih untuk dapat mendeteksi 7 kelas penyakit daun dan 1 kelas daun sehat dengan 4000 gambar dataset. Dengan pelatihan sebanyak 100 epochs menghasilkan model yang dapat mendeteksi penyakit daun dengan akurasi 48% dan skor F1 65%. Rendahnya akurasi dan skor F1 disebabkan oleh visual dataset yang kurang beragam. Pelatihan ulang dilakukan untuk meningkatkan akurasi dan skor F1 model dengan penambahan 370 dataset yang lebih beragam. Hasil akhir performa model memiliki akurasi sebesar 71% dan skor F1 83%.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Disease Identification, Mango Leaf, YOLO V8, Python |
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Aidilla Qurotianti |
Date Deposited: | 26 Oct 2024 06:59 |
Last Modified: | 26 Oct 2024 06:59 |
URI: | https://etd.umy.ac.id/id/eprint/48458 |