PENDETEKSIAN DEFISIENSI UNSUR HARA PADA TANAMAN MENGGUNAKAN YOLO

NURUL, LAILA TUSYADIAH and Rusdi, Efendi and Ruvita, Faurina (2023) PENDETEKSIAN DEFISIENSI UNSUR HARA PADA TANAMAN MENGGUNAKAN YOLO. Undergraduated thesis, Fakultas Teknik.

Archive (Thesis) Naskah Skripsi_G1A018030_Nurul Laila Tusya'diah - Nurul Laila Tusya'diah.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (3MB)

Abstract

Badan Pusat Statistik pada tahun 2020 mencatat Provinsi Bengkulu memiliki kebun kelapa sawit seluas 211.980 hektar. Tanaman kelapa sawit sangat rakus dengan unsur hara yang mana hal tersebut akan berdampak pada pertumbuhan serta produksinya. Metode yang digunakan dalam penelitian ini adalah menggunakan model YOLOv5. Penelitian ini bertujuan untuk menghasilkan aplikasi pendeteksian defisiensi tanaman khusunya kelapa sawit berbasis android. Adapun defisiensi yang diteliti adalah boron, kalium, magnesium dan nitrogen. Penelitian ini dilakukan dengan mengambil dataset secara langsung dan menghasilkan 2.789 data citra daun kelapa sawit. Hasil pelatihan model menghasilkan precision, re-call dan mAP yang sama baik untuk IoU = 0,5 dan IoU = 0,75. Hasil untuk nilai IoU = 0,5 pada kelas boron = 0.989, kelas kalium = 0,577, kelas magnesium = 0,968, kelas nitrogen = 0,96 , dan kelas sehat adalah 0,995. Sedangkan IoU = 0,5 pada kelas boron = 0,991, kelas kalium = 0,564, kelas magnesium = 0, 968, kelas nitrogen = 0,958, dan kelas sehat adalah 0,995. Metode pengujian aplikasi mendapatkan nilai = 71 yang termasuk ke dalam kategori baik. Kata kunci : Object Detection, Deep Learning, YOLOv5, Defisiensi, Kelapa Sawit

Actions (login required)

View Item