DETEKSI PENYAKIT DAUN TANAMAN STROBERI MENGGUNAKAN YOLOV8 PENDEKATAN BERBASIS DEEP LEARNING DI TAWANGMANGU

Mukaromah, Efi (2025) DETEKSI PENYAKIT DAUN TANAMAN STROBERI MENGGUNAKAN YOLOV8 PENDEKATAN BERBASIS DEEP LEARNING DI TAWANGMANGU. S1 thesis, Universitas Muhammadiyah Ponorogo.

	Text (Surat Persetujuan Unggah Karya Ilmiah) Surat Persetujuan Unggah Karya Ilmiah.pdf Download (62kB)
	Text (Halaman Depan) HALAMAN DEPAN.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (303kB)
	Text (BAB II) BAB II.pdf Restricted to Repository staff only Download (932kB) | Request a copy
	Text (BAB III) BAB III.pdf Restricted to Repository staff only Download (702kB) | Request a copy
	Text (BAB IV) BAB IV.pdf Restricted to Repository staff only Download (4MB) | Request a copy
	Text (BAB V) BAB V.pdf Restricted to Repository staff only Download (223kB) | Request a copy
	Text (Daftar Pustaka) Daftar Pustaka.pdf Download (276kB)
	Text (Lampiran) Lampiran.pdf Restricted to Repository staff only Download (289kB) | Request a copy
	Text (Skripsi Full Text) Skripsi Full Text.pdf Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Deteksi dini penyakit pada daun stroberi merupakan langkah strategis dalam upaya peningkatan produktivitas pertanian, khususnya di kawasan dataran tinggi seperti Tawangmangu. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi performa model YOLOv8 untuk mendeteksi lima kelas utama kondisi daun stroberi secara real-time. Dataset lokal dikumpulkan langsung dari kebun stroberi di Tawangmangu dan dianotasi menggunakan format YOLO. Proses pelatihan mencakup augmentasi data dan pembagian dataset, kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan mean Average Precision (mAP). Pengujian model di Google Colab menunjukkan performa tinggi dengan nilai evaluasi mAP@0.5 sebesar 99.2% dan mAP@0.5:0.95 sebesar 94.5%. Pengujian lapangan menerapkan implementasi website STROBIKA menunjukkan akurasi rata-rata sebesar 84,6%, dan mampu mengidentifikasi tiga penyakit utama daun stroberi hawar daun, bercak daun, dan tipburn. Meskipun terdapat tantangan dalam mengklasifikasikan daun sehat dan objek non-stroberi, sistem ini menunjukkan potensi tinggi untuk diterapkan dalam pertanian berbasis deep learning di dunia nyata.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	bercak daun, deep learning, deteksi real-time, yolov8, hawar daun penyakit daun stroberi, strobika, tawangmangu, tipburn. tawangmangu, tipburn.
Subjects:	L Education > L Education (General)
Divisions:	Faculty of Engineering
Depositing User:	Efi Mukaromah
Date Deposited:	02 Sep 2025 03:46
Last Modified:	04 Nov 2025 03:55
URI:	https://eprints.umpo.ac.id/id/eprint/17567

Actions (login required)

View Item