PENDETEKSIAN DEFISIENSI UNSUR HARA PADA TANAMAN MENGGUNAKAN YOLO

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