Detail Tugas Akhir

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.

Berkas Tugas Akhir

[thumbnail of Surat Persetujuan Unggah Karya Ilmiah]
Text (Surat Persetujuan Unggah Karya Ilmiah)
Surat Persetujuan Unggah Karya Ilmiah.pdf
File Pdf (62kB)
[thumbnail of Halaman Depan]
Text (Halaman Depan)
HALAMAN DEPAN.pdf
File Pdf (1MB)
[thumbnail of BAB I]
Text (BAB I)
BAB I.pdf
File Pdf (303kB)
[thumbnail of BAB II]
Text (BAB II)
BAB II.pdf
Restricted to Registered users only
File Pdf (932kB)
[thumbnail of BAB III]
Text (BAB III)
BAB III.pdf
Restricted to Registered users only
File Pdf (702kB)
[thumbnail of BAB IV]
Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
File Pdf (4MB)
[thumbnail of BAB V]
Text (BAB V)
BAB V.pdf
Restricted to Registered users only
File Pdf (223kB)
[thumbnail of Daftar Pustaka]
Text (Daftar Pustaka)
Daftar Pustaka.pdf
File Pdf (276kB)
[thumbnail of Lampiran]
Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
File Pdf (289kB)
[thumbnail of Skripsi Full Text]
Text (Skripsi Full Text)
Skripsi Full Text.pdf
Restricted to Registered users only
File Pdf (7MB)

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.

Informasi Item

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 mahfudz alhuda
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
View Item
Ada yang bisa kami bantu?