DETEKSI PENYAKIT DAUN PADI MENGGUNAKAN ALGORITMA YOLOv10

Renaldi, Encik Yoega (2025) DETEKSI PENYAKIT DAUN PADI MENGGUNAKAN ALGORITMA YOLOv10. Masters thesis, Universitas Putra Indonesia YPTK.

Preview	Text TESIS_231321008_ENCIK YOEGA RENALDI_ABSTRAK.pdf Download (165kB) | Preview
Preview	Text TESIS_231321008_ENCIK YOEGA RENALDI_BAB I.pdf Download (284kB) | Preview
Preview	Text TESIS_231321008_ENCIK YOEGA RENALDI_DAFTAR PUSTAKA.pdf Download (209kB) | Preview
	Text TESIS_231321008_ENCIK YOEGA RENALDI_FULL TEXT.pdf Restricted to Repository staff only Download (20MB)

Abstract

Padi merupakan sumber pangan utama bagi 80% penduduk Indonesia yang bergantung pada hasil panen. Sektor pertanian padi menghadapi tantangan berupa penyakit pada daun tanaman. Mayoritas petani masih menggunakan metode konvensional dalam melakukan deteksi, sehingga menyebabkan keterlambatan dalam pengendalian. Penelitian ini bertujuan mengembangkan sistem yang efisien untuk memudahkan petani dalam melakukan pendeteksian dini pada penyakit pada daun tanaman padi menggunakan smartphone Android. Pemanfaatan artificial intelligence dengan adanya computer vision menggunakan jaringan syaraf deep learning menjadi bantuan yang sangat diperlukan untuk penelitian ini karena dapat membantu proses data secara otomatis untuk meningkatkan pengamatan serta mempercepat proses dalam pengolahan data yang efektif. Implementasi metode digunakan algoritma YOLOv10 pada penelitian ini dikarenakan memiliki kelebihan atas keterbaruandengan menghilangkan penekanan Non-Maximum Suppression dalam melakukan deteksi objek pada penyakit sehingga mampu mengurangi pelatihan beban komputasi secara signifikan. Data penelitian yang dikumpulkan di Dinas Pertanian Kota Padang mencakup 1.446 citra yang terdiri dari tiga jenis penyakit seperti bakteri hawar, cendawan bercak, dan virus tungro serta dilakukan augmentation untuk memperbanyak menjadi dataset akhir mendapatkan 10.122 citra. Pelatihan dengan memilih versi model nano untuk kebutuhan yang ringan dilakukan selama 100 epoch menghasilkan tingkat kepercayaan untuk mAP setiap penyakit daun Padi yang terdiri dari bakteri hawar 0.903, cendawan bercak 0.909, dan virus tungro 0.9802. Hasil akhir dari penelitian ini memperoleh sistem yang cerdas dan ringan dengan nilai pengoperasian 8.2 GFLOPs pada model yang ditanamkan didalam smartphone Android mencapai tingkat kepercayaan mAP sebesar 0.932 dan rata rata F1 Score 0.879 dengan waktu komputasi 0.7 detik per citra. Sistem ini menjadi solusi efektif dan efisien bagi para ahli pakar dan petani dalam menganalisis tingkat keparahan penyakit daun pada tanaman Padi.

Actions (login required)

View Item