| dc.description.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. | id |
