Pendeteksi Penyakit Dan Hama Pada Kelapa Sawit Menggunakan Metode Yolo Untuk Memantau Pertumbuhan Tanaman

Irvan Widyadinata; Agustinus Rudatyo Himamunanto; Yo’el Piter Sumihar

doi:10.30591/smartcomp.v15i1.9076

Pendeteksi Penyakit Dan Hama Pada Kelapa Sawit Menggunakan Metode Yolo Untuk Memantau Pertumbuhan Tanaman

Irvan Widyadinata, Agustinus Rudatyo Himamunanto, Yo’el Piter Sumihar

Abstract

Penyakit dan hama pada tanaman kelapa sawit merupakan tantangan utama dalam menjaga produktivitas dan keberlanjutan industri perkebunan. Ketidakefisienan dalam mendeteksi gejala sejak dini dapat mengakibatkan penurunan hasil panen secara signifikan. Penelitian ini mengembangkan sistem deteksi dini penyakit dan hama pada kelapa sawit menggunakan algoritma deep learning YOLOv11. Sistem ini bertujuan meningkatkan efisiensi pemantauan perkebunan dan mengurangi kerugian akibat serangan hama dan penyakit. Model YOLOv11 dilatih dengan dataset 2.544 citra yang telah di-anotasi ke dalam tujuh kelas utama, meliputi berbagai kondisi tanaman. Pelatihan dilakukan di platform komputasi awan dengan dukungan GPU. Model dievaluasi menggunakan presisi, recall, dan mean Average Precision (mAP). Hasil menunjukkan akurasi tinggi dan keseimbangan klasifikasi yang baik antar kelas, memungkinkan deteksi real-time. Sistem ini berpotensi diaplikasikan untuk pemantauan perkebunan kelapa sawit yang lebih efisien dan akurat

Keywords

Yolo; Pendeteksian; Kelapa sawit; Deep learing; Citra digital.

Full Text:

References

S. Yang, J. Yao, and G. Teng, “Corn Leaf Spot Disease Recognition Based on Improved YOLOv8,” Agriculture (Switzerland), vol. 14, no. 5, May 2024, doi: https://doi.org/10.3390/agriculture14050666.

J. Wang, C. Qin, B. Hou, Y. Yuan, Y. Zhang, and W. Feng, “LCGSC-YOLO: a lightweight apple leaf diseases detection method based on LCNet and GSConv module under YOLO framework,” Front Plant Sci, vol. 15, 2024, doi: https://doi.org/10.3389/fpls.2024.1398277.

Y. Wang, C. Yi, T. Huang, and J. Liu, “Research on Intelligent Recognition for Plant Pests and Diseases Based on Improved YOLOv8 Model,” Applied Sciences (Switzerland), vol. 14, no. 12, Jun. 2024, doi: https://doi.org/10.3390/app14125353.

R. Ahmed and E. H. Abd-Elkawy, “Improved Tomato Disease Detection with YOLOv5 and YOLOv8,” Engineering, Technology and Applied Science Research, vol. 14, no. 3, pp. 13922–13928, Jun. 2024, doi: https://doi.org/10.48084/etasr.7262.

E. Iren, “Comparison of YOLOv5 and YOLOv6 Models for Plant Leaf Disease Detection,” Engineering, Technology and Applied Science Research, vol. 14, no. 2, pp. 13714–13719, Apr. 2024, doi: https://doi.org/10.48084/etasr.7033.

B. Erwanto, A. I. Pradana, and D. Hartanti, “Pengembangan Sistem Deteksi Penyakit Tanaman Tomat Melalui Citra Daun dengan Metode You Only Look Once (YOLO) Berbasis Android,” G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 3, pp. 1453–1463, Jul. 2024, doi: https://doi.org/10.33379/gtech.v8i3.4327.

A. Putra Pranjaya, F. Rizki, R. Kurniawan, and N. K. Daulay, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Penyakit Pada Daun Tanaman Padi Berbasis YoloV5 (You Only Look Once),” Media Online), vol. 4, no. 6, pp. 3127–3136, 2024, doi: https://doi.org/10.30865/klik.v4i6.1916.

D. G. Manurung et al., “Deteksi Dan Klasifikasi Hama Potato Beetle Pada Tanaman Kentang Menggunakan YOLOV8,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 4, pp. 723–734, Aug. 2024, doi: https://doi.org/10.25126/jtiik.1148092.

H. F. Hanum and D. M. Fathurahman, “Perancangan Sistem Pendeteksi Kualitas Tanaman Tomat Berdasarkan Daun Menggunakan Computer Vision dengan YOLO dan OpenCV,” 2024, doi; https://prosiding.pnj.ac.id/sniv/article/view/2217

L. Firgia and S. Thomas, “Deteksi Jenis Penyakit Dan Hama Pada Tanaman Jagung Menggunakan Arsitektur Spatial Pyramid Pooling Pada YOLOv5s,” Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK), vol. 8, no. 2, pp. 452–459, 2023, doi; https://tunasbangsa.ac.id/ejurnal/index.php/jurasik

M. D. Anggraini, K. Kusrini, and H. Al Fatta, “SOCIAL DISTANCING DETECTION FINDING OPTIMAL ANGLE WITH YOLO V3 DEEP LEARNING METHOD,” Jurnal Teknik Informatika (Jutif), vol. 3, no. 5, pp. 1449–1455, Oct. 2022, doi: https://doi.org/10.20884/1.jutif.2022.3.5.390.

M. Hatami, T. Tukino, F. Nurapriani, W. Widiyawati, and W. Andriani, “DETEKSI HELMET DAN VEST KESELAMATAN SECARA REALTIME MENGGUNAKAN METODE YOLO BERBASIS WEB FLASK,” EDUSAINTEK: Jurnal Pendidikan, Sains dan Teknologi, vol. 10, no. 1, pp. 221–233, Jan. 2023, doi: https://doi.org/10.47668/edusaintek.v10i1.651.

Mohammad Chasrun Hasani, Fadhila Milenasari, and N. Setyawan, “Pemantauan Physical Distance Pada Area Umum Menggunakan YOLO Tiny V3,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 6, no. 1, pp. 146–152, Feb. 2022, doi: https://doi.org/10.29207/resti.v6i1.3808.

L. Setiana Riva, “Deteksi Penyakit Tanaman Cabai Menggunakan Algoritma YOLOv5 Dengan Variasi Pembagian Data,” vol. 8, no. 3, 2023, doi; https://ejournal.poltekharber.ac.id/index.php/informatika/article/view/5679

K. A. Baihaqi and C. Zonyfar, “Deteksi Lahan Pertanian Yang Terdampak Hama Tikus Menggunakan Yolo v5,” 2022, doi; https://journal.unsika.ac.id/index.php/syntax/article/view/722

M. Deden Miftah Fauzi, T. Al Mudzakir, C. Emilia Sukmawati, and J. Indra, “KLIK: Kajian Ilmiah Informatika dan Komputer Deteksi Jenis Penyakit Pada Tanaman Padi Menggunakan Yolo V5,” Media Online), vol. 5, no. 1, pp. 39–48, 2024, doi: https://doi.org/10.30865/klik.v5i1.2009.

P. A. Widjaja and J. R. Leonesta, “Differentiate a Health and Sick of Mango Leaves Using YOLOv4,” Formosa Journal of Science and Technology, vol. 2, no. 7, pp. 1749–1758, Jul. 2023, doi: https://doi.org/10.55927/fjst.v2i7.4792.

M. Anwar, Y. Kristian, and E. Setyati, “CLASSIFICATION OF CHILI PLANT DISEASES EQUIPPED WITH LEAF AND FRUIT IMAGE SEGMENTATION USING YOLO V7,” Journal of Information Technology and Computer Science (INTECOMS), vol. 6, no. 1, 2023, doi; https://doi.org/10.30741/jid.v2i2.1335

DOI: https://doi.org/10.30591/smartcomp.v15i1.9076