Penerapan Metode Yolov10 Untuk Mendeteksi Penyakit Daun Pada Tanaman Gambir Daun Pada Tanaman Gambir

Abstract

Kemajuan teknologi kecerdasan buatan (Artificial Intelligence) telah memungkinkan berbagai aplikasi dalam bidang deteksi objek dan Pengolahan Citra. Salah satu algoritma yang banyak digunakan adalah You Only Look Once (YOLO). Tujuan dari YOLOv10 diterapkan untuk mendeteksi penyakit daun pada tanaman Gambir (Uncaria Gambir Roxb). Tanaman Gambir memiliki nilai ekonomis tinggi dan merupakan komoditas ekspor utama dari Sumatera Barat, Indonesia. Produktivitas hasil dari tanaman Gambir terancam oleh serangan penyakit seperti Mati Pucuk dan Karat Coklat. Metode YOLOv10 digunakan untuk mendeteksi objek yang memiliki kemampuan dalam mengidentifikasi objek. Petani umumnya mengandalkan metode deteksi konvensional yang kurang efektif, sehingga diperlukan solusi berbasis kecerdasan buatan menggunakan untuk meningkatkan efisiensi dan akurasi dalam mendeteksi penyakit daun pada tanaman Gambir. Penelitian ini menggunakan dataset primer yang terdiri dari 198 gambar penyakit Mati Pucuk dan 186  gambar Karat Daun sehingga total keseluruhan data yaitu 384 gambar. Setelah proses augmentasi data, jumlah gambar meningkat menjadi 2.688 untuk meningkatkan performa model. Model yang dilatih mencapai nilai dengan Precision 100%, dengan Recall 98%, Precission-Recall 94%, dengan akurasi 73% Setelah mendapatkan hasil dari proses Training Data Pengujian deteksi menggunakan metode YOLO model YOLOv10 untuk mengidentifikasi penyakit pada tanaman Gambir. Penelitian ini menunjukkan bahwa YOLOv10 mampu mendeteksi penyakit daun Gambir dengan akurasi yang baik. Metode ini lebih efisien dibandingkan deteksi konvensional, membantu petani dalam identifikasi dini penyakit untuk meningkatkan produktivitas Gambir.

Kata Kunci: YOLOv10, Deteksi Penyakit Daun, Kecerdasan Buatan, Pengolahan Citra, Gambir.