Electronic Theses and Dissertation

Lada merupakan rempah yang paling banyak digunakan oleh masyarakat di dunia dan termasuk salah satu komoditas penting yang memiliki nilai ekonomi tinggi. Menurut data tahun 2019, Indonesia berada pada peringkat ketiga sebagai negara pengekspor lada setelah Vietnam dan Brazil. Total nilai ekspor lada mencapai sekitar US$14.83 miliar. Produksi lada secara global didominasi oleh enam negara, terutama Vietnam (37,8%), Brazil (13,7%), Indonesia (13,2%), India (9,7%), Sri Lanka (6,0%), dan Malaysia (4,7%). Oleh karena itu, Menjaga standar kualitas biji lada agar dapat bersaing dan mendapatkan penerimaan positif dari konsumen dunia itu sangat diperlukan. Pada penelitian ini akan berfokus pada perancangan sebuah model deep learning yang dapat mendeteksi biji lada normal dan biji lada yang rusak secara akurat. Pembuatan sistem deteksi ini dengan menggunakan model You Only Look Once Sequence (YOLOS) berbasis Hugging Face yang dapat mengidentifikasi dan memilah biji lada yang berkualitas baik dan biji lada yang rusak dengan tingkat akurasi yang tinggi. Hasil dari pengujian yang dilakukan menunjukkan sistem dapat mendeteksi biji lada dengan cukup baik dengan perolehan nilai Average Precision (AP) dan Average Recall AR objek large tertinggi masing-masing bernilai 86.4% dan 92.4%. Selain itu, pada kondisi penilaian IoU 0.5, didapatkan nilai tertinggi pada 98.1%. Hasil evaluasi menunjukkan kemampuan model dalam mendeteksi biji lada bekerja dengan baik. Hal ini berarti model tersebut memiliki tingkat keberhasilan yang tinggi dalam Pendeteksian biji lada yang mengalami kerusakan atau cacat.

Kata kunci: Biji Lada, Deep Learning, Vision Transformer, Hugging Face, YOLOS

Pepper is the most widely used spice globally and is one of the important commodities with high economic value. According to 2019 data, Indonesia ranks third as a pepper exporting country after Vietnam and Brazil. The total export value of pepper reached approximately US$14.83 billion. Global pepper production is dominated by six countries, especially Vietnam (37.8%), Brazil (13.7%), Indonesia (13.2%), India (9.7%), Sri Lanka (6.0%), and Malaysia (4.7%). Therefore, maintaining the quality standards of peppercorns to compete and gain positive acceptance from global consumers is crucial. This research focuses on designing a deep learning model that can accurately detect normal peppercorns and damaged peppercorns. The detection system is developed using the Hugging Face-based You Only Look Once Sequence (YOLOS) model, which can identify and sort high-quality peppercorns and damaged peppercorns with a high level of accuracy. The test results show that the system can detect peppercorns quite well, achieving the highest values of Average Precision (AP) and Average Recall (AR) for large objects, at 86.4% and 92.4%, respectively. Additionally, under IoU. Keywords: Papper Seeds, Deep Learning, Vision Transformer, Hugging Face, YOLOS.