Deep learning Model Untuk Deteksi Hama dan Penyakit Pada Buah Kakao (Theobroma cacao L.).

Abstract

Kakao (Theobroma cacao L.) merupakan salah satu komoditas unggulan Indonesia dari sub-sektor perkebunan dengan jumlah produksi 681,21 ton (2021). Namun saat ini produktivitas dan kualitas kakao Indonesia mengalami penurunan, akibat penurunan luasan lahan serta ancaman hama dan penyakit yang menyerang. Penelitian ini bertujuan mengembangkan model deep learning untuk merancang sistem deteksi hama dan penyakit buah kakao. Hasil penelitian diharapkan mempermudah identifikasi hama dan penyakit buah kakao secara cepat dan akurat, serta menyarankan pencegahannya. Algoritma deep learning yang digunakan You Only Look Once (YOLO) yang terdiri dari: YOLOv5, YOLOv7, dan YOLOv8. Tahapan penelitian terdiri dari: (1) pengumpulan dataset, (2) pelabelan dataset, (3) training dataset, (4) uji model hasil training, dan (5) implementasi model. Dataset berjumlah 1650 dataset yang terdiri dari 5 kelas (buah sehat, penyakit busuk buah, hama Helopeltis, hama Penggerek Buah Kakao (PBK), serta gabungan penyakit busuk buah dan hama Helopeltis) digunakan untuk membangun model. Dataset dibagi menjadi 70% training, 20% validasi, dan 10% testing. Akurasi model dengan algoritma YOLOv5, YOLOv7, dan YOLOv8 masing-masing sebesar 87,97%; 89,54 %; dan 91,63%. Nilai presisi yang didapatkan sebesar 72,95%; 75,03 %; dan 82,72%. Sedangkan nilai recall yang didapatkan sebesar 69,98%; 75,79 %; dan 80,10%. Hasil tersebut menunjukkan bahwa model yang dibangun mampu mendeteksi hama dan penyakit dengan akurat dan presisi. Model telah di implementasikan pada platform berbasis web dan dapat digunakan pengguna melalui browser.