Pengenalan Tingkat Kematangan Buah Tomat Menggunakan Metode Feature Pyramid Network Dan Yolo

Abstract

Tanaman tomat merupakan tanaman holtikultura yang banyak digemari oleh masyarakat Indonesia. Penelitian ini membuat alat pengenalan tingkat kematangan buah tomat biasa (Lycopersicun commune) bertujuan untuk mengenali tingkat kematangan buah tomat menggunakan metode Feature Pyramid Network (FPN) dalam menentukan tingkat akurasi objek tingkat kematangan dengan algoritma YOLOV8 dengan platform You Only Look Once (YOLO) dari Ultralytics. Algoritma YOLOV8 dapat menghitung hasil confusion matrix untuk mendapatkan nilai akurasi pengenalan pada objek dan menghindari overfitting dan underfitting. Nilai akhir dari rata-rata prediksi objek dengan benar atau mean average precision dari hasil confusion matrix adalah 100% dan nilai accuracy adalah 94,7%.

Tomato plants are horticultural crops that are widely favored by the people of Indonesia. This research makes a tool for recognizing the maturity level of common tomatoes (Lycopersicun commune) aims to recognize the maturity level of tomatoes using the Feature Pyramid Network (FPN) method in determining the accuracy level of maturity level objects with the YOLOV8 algorithm with the You Only Look Once (YOLO) platform from Ultralytics. The YOLOV8 algorithm can calculate the results of the confusion matrix to get the recognition accuracy value on the object and avoid overfitting and underfitting. The final value of the average correct object prediction or mean average precision of the confusion matrix results is 100% and the accuracy value is 94.7%.