M. Farid Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2025

Skripsi

Abstrak – Penyakit Phytophthora dan Monilia merupakan dua patogen utama yang menyerang tanaman cocoa dan menyebabkan kerugian ekonomi yang signifikan. Deteksi dini terhadap penyakit ini sangat penting untuk mengurangi dampak kerugian dan meningkatkan hasil produksi cocoa. Penelitian ini menggunakan arsitektur You Only Look Once (YOLO), yaitu YOLOv5 dan YOLOv8, untuk mendeteksi buah cocoa yang terinfeksi Phytophthora dan Monilia. YOLO dikenal dengan performanya yang unggul dalam mendeteksi objek secara real-time dan efisien. Dataset penelitian diperoleh dari kaggle yang berisi gambar buah cocoa yang telah diberi label dan anotasi. Proses pelatihan dilakukan menggunakan Convolutional Neural Network (CNN) untuk mengklasifikasikan dan mendeteksi buah cocoa yang terinfeksi. Hasil penelitian menunjukkan bahwa baik YOLOv5 maupun YOLOv8 mampu mendeteksi buah yang terinfeksi dengan tingkat akurasi yang tinggi. YOLOv5 dengan learning rate 10-2 dan batch size 16 menghasilkan kinerja terbaik dengan nilai precision 0,923, recall 0,941, dan mAP 0,957. Confidence score hasil pengujian juga menunjukkan nilai lebih dari 0,90. Penelitian ini membuktikan bahwa pendekatan menggunakan YOLOv5 dan YOLOv8 efektif untuk deteksi dini penyakit pada tanaman cocoa, sehingga diharapkan dapat membantu meningkatkan produktivitas dan mengurangi kerugian ekonomi akibat serangan patogen. Kata kunci: cocoa, Phytophthora, Monilia, convolutional neural network, YOLOv5 dan YOLOv8 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 148877 2025-01-22 13:19:07 2025-01-22 14:13:31 machine generated