DETEKSI TUMBUHAN GULMA PADA LAHAN JAGUNG (Zea mays L) DENGAN METODE DEEP LEARNING YOLOV5 (YOU ONLY LOOK ONCE)

NOVIANSYAH, PARIYANTO and Agustian, Indra and Anggraini, Ika Novia (2023) DETEKSI TUMBUHAN GULMA PADA LAHAN JAGUNG (Zea mays L) DENGAN METODE DEEP LEARNING YOLOV5 (YOU ONLY LOOK ONCE). Undergraduated thesis, Universitas Bengkulu.

Text DETEKSI TUMBUHAN GULMA_PADA LAHAN JAGUNG - PARIYANTO NOVIANSYAH - cllay sur.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (1MB)

Abstract

Penelitian ini dilakukan untuk mendapatkan model deteksi tumbuhan gulma dan tanaman jagung usia 1 sampai 3 minggu yang efisien, khususnya di Indonesia dengan menggunakan algoritma YOLOV5. Tumbuhan gulma merupakan jenis tumbuhan yang menjadi salah satu penyebab penurunan produksi jagung. Pada penelitian ini melalui lima tahapan, tahapan tersebut adalah mengumpulkan dataset, preprocessing dataset, training dataset, evaluasi dataset, dan deployment. Metode yang dilakukan pada proses deteksi dengan memanfaatkan algoritma YOLOV5 dengan teknologi computer vision dan deep learning. Proses pengumpulan gambar yang digunakan sebagai dataset diambil pada lahan pertanian jagung di provinsi Bengkulu, Indonesia. Total gambar yang digunakan dalam dataset berjumlah 3463 gambar yang terdiri dari 7 kelas yaitu: ageratum sp (A), commelina sp (C), eleusine sp (E), sacciolepis sp (S), mimosa pudica linn (M), cleome viscosa (CV), zea mays (J), dengan menggunakan kamera kamera ponsel Xiaomi Redmi 9 dengan resolusi kamera 13MP. Deteksi tumbuhan gulma dibuat menggunakan bahasa pemrograman python yang mampu mendapatkan koordinat center point pada bounding box. Evaluasi model terbaik diperoleh dengan menggunakan nilai mosaic 0.75 pada nilai iou 0.5, training terbaik pada epoch 287 dengan mAP@0.5 sebesar 71.33% dengan kecepatan GPU 4,015 ms/gambar pada NVIDIA P100. Kata Kunci: Deteksi Gulma, YOLOV5, Deep Learning, NVIDIA P100.

Actions (login required)

View Item