M Irwan Primary Author mixed material bibliography Banda Aceh Fakultas Teknik S2 2025

Theses

Hama tikus (Rattus argentiventer) merupakan penyebab utama kehilangan hasil panen padi pascapanen di Indonesia, dengan tingkat kerugian yang dapat mencapai 37% per hektar serta penurunan kualitas gabah akibat kontaminasi. Metode pengendalian konvensional seperti rodentisida dan perangkap sering kali kurang efektif dalam skala besar dan berpotensi menimbulkan dampak negatif terhadap lingkungan. Penelitian ini bertujuan mengembangkan sistem deteksi tikus secara real-time yang inovatif, efisien, dan berkelanjutan menggunakan algoritma deep learning YOLOv11 yang diimplementasikan pada Raspberry Pi 5, untuk mendukung pemantauan dini di lingkungan penyimpanan padi. Sebanyak 410 citra tikus dikumpulkan dari Google Image, kemudian disegmentasi menggunakan Roboflow. Dataset dibagi menjadi 328 data latih, 41 validasi, dan 41 uji. Model YOLOv11 dilatih hingga 500 epoch dengan parameter early stopping 100, learning rate 0.002, batch size 4, dan optimizer AdamW. Model selanjutnya diintegrasikan pada perangkat Raspberry Pi 5 yang dilengkapi webcam dan buzzer. Hasil pelatihan menunjukkan model mencapai presisi 0.955, recall 0.86, mAP@0.50 sebesar 0.87, dan mAP@0.50–0.95 sebesar 0.39. Meskipun performa pada data latih tinggi, teridentifikasi overfitting pada data validasi mulai dari epoch ke-40 hingga ke-50. Prototipe berhasil mendeteksi tikus secara real-time dalam simulasi dan mengaktifkan buzzer sebagai peringatan. Kesimpulannya, sistem deteksi berbasis YOLOv11 pada Raspberry Pi 5 menunjukkan efektivitas untuk deteksi dini hama tikus, namun diperlukan optimasi lebih lanjut guna meningkatkan presisi lokalisasi dan mengurangi overfitting untuk implementasi jangka panjang. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 161843 2025-07-15 17:16:13 2025-07-15 20:38:16 machine generated