DETEKSI HAMA SECARA REAL-TIME MENGGUNAKAN YOLO SEBAGAI UPAYA PENGENDALIAN DINI PADA HAMA CABAI BESAR (Capsicum annuum L)

ISHAK, SAHRIAL IHSANI and Faurina, Ruvita and Ferzha, Putra Utama (2022) DETEKSI HAMA SECARA REAL-TIME MENGGUNAKAN YOLO SEBAGAI UPAYA PENGENDALIAN DINI PADA HAMA CABAI BESAR (Capsicum annuum L). Undergraduated thesis, Universitas Bengkulu.

[img] Text
Fix_Naskah Full_Skripsi_Sahrial_G1A018023.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (10MB)

Abstract

Penggunaan teknologi informasi berbasis object detectionmerupakan salah satu solusi yang dapat digunakan oleh petani karena mudah diterapkan di lapangan. YOLO merupakan metode object detectionyang dapat mendeteksi objek secara realtime. Penelitian ini bertujuan untuk 1) menghasilkan dataset teranotasi pada hama tanaman cabai besar (Capsicum annuum L), 2) menghasilkan model YOLO untuk mengembangkan aplikasi pengendalian hama pada tanaman cabai besar (Capsicum annuum L),3) menghasilkan aplikasi deteksi dan pengendalian hama tanaman cabai besar berbasis android.Pengumpulan data dilakukan dengan melakukan observasi langsung ke lapangan,melakukan preprocessing dan augmentasi pada data sehingga mendapatkan data berjumlah 4.994 gambar dan 10.683 objek. Model terbaik yang dihasilkan terjadi pada patience sebesar 100, dan menghasilkan epoh sebanyak 577. Evaluasi model dilakukan menggunakan metric MAP dan confusion matrix berdasarkan nilai IoU threshold sebesar 0,5 dan 0,75. Nilai ini diberikan berdasarkan kompetisi Pascal VOC dan MS COCO. MAP@0.5 untuk nilai IoU thresholdsebesar0,5 yang dihasilkan untuk semua kelas dari percobaan ini yaitu 0,731. MAP@0.5 untuk nilai IoU threshold sebesar0,75 yang dihasilkan untuk semua kelas dari percobaan ini yaitu 0,671.Pengujian aplikasi menghasilkan nilai sebesar 82,83 yang berarti bahwa aplikasi yang diujikan dapat diterima oleh pengguna. Aplikasi yang dihasilkan berbasis android dapat diunduh di play store. Kata kunci : Object Detection, YOLOv5, Hama, Cabai besar

Item Type: Thesis (Undergraduated)
Subjects: L Education > L Education (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 58 lili haryanti
Date Deposited: 01 Aug 2023 04:42
Last Modified: 01 Aug 2023 04:42
URI: http://repository.unib.ac.id/id/eprint/13185

Actions (login required)

View Item View Item