PENDETEKSI KESEHATAN DAUN PADA TANAMAN PAKCOY MENGGUNAKAN METODE TINY YOU ONLY LOOK ONCE BERBASIS DATA CITRA

Authors

  • Tiya Muthia Universitas Lampung
  • F.X. Arinto Setyawan
  • Syaiful Alam Universitas Lampung
  • muhammad fikri Universitas Lampung

DOI:

https://doi.org/10.23960/prosidingsinta.v8i.196

Keywords:

Pokcoy, YOLO, Kesehatan Daun

Abstract

Pokcoy merupakan salah satu keluarga jenis tanaman sawi yang berasal dari China. Tanaman ini mudah terserang penyakit yang disebabkan oleh jamur, virus, hama dan mikroba lainnya. Penyakit ini dapat menyebabkan gagal panen yang merugikan petani Pokcoy. Untuk mencegah hal ini, perlu dikembangkan metode pendeteksi kesehatan daun pada tanaman pakcoy berbasis pengolahan citra. Metode yang dipergunakan dalam penelitian ini adalah pemakaian YOLO untuk mendeteksi kesehatan daun pada Pokcoy. YOLO (You Only Look Once) adalah algoritma deteksi objek real-time berbasis deep learning untuk mendeteksi dan mengenali banyak objek dalam satu gambar sekaligus hanya dengan satu kali pemrosesan (single forward pass) dari jaringan saraf konvolusional (CNN). Data citra diperoleh menggunakan sensor visual yang diambil dua kali sehari. Pada penelitian ini dipergunakan 1002 data latih dan data uji sebanyak 40 citra untuk menentukan apakah daun sehat atau tidak. Penentuan sehat tidaknya daun didasarkan pada warna dan adanya bercak pada daun. Setelah dilakukan pelatihan untuk mengenali kondisi daun, maka dapat diperoleh tingkat akurasi pendeteksian pengujian sebesar 100% atau tidak ada kesalahan pendeteksian data uji.

Downloads

Download data is not yet available.

Downloads

Published

2026-01-11

How to Cite

Muthia, T., Setyawan, F. A., Alam, S., & fikri, muhammad. (2026). PENDETEKSI KESEHATAN DAUN PADA TANAMAN PAKCOY MENGGUNAKAN METODE TINY YOU ONLY LOOK ONCE BERBASIS DATA CITRA . Prosiding Seminar Nasional Ilmu Teknik Dan Aplikasi Industri Fakultas Teknik Universitas Lampung, 8, 36–41. https://doi.org/10.23960/prosidingsinta.v8i.196

Similar Articles

You may also start an advanced similarity search for this article.