Detail Laporan TA : ADITYA RIFQY FAUZAN

ADITYA RIFQY FAUZAN (2018) IMPLEMENTASI ALGORITMA YOLO V3 UNTUK DETEKSI DAN KLASIFIKASI GEJALA PENYAKIT PADA TANAMAN BAWANG MERAH Tugas Akhir, Teknik Informatika
Politeknik Negeri Indramayu.

Text LAPORAN BAB 1 ( Download )

Indonesia merupakan salah satu negara agraria terbesar di dunia, karena sebagian penduduk Indonesia memiliki mata pencaharian sebagai petani atau bercocok tanam. Sektor pertanian juga berperan penting untuk meningkatkan perekonomian dan memenuhi kebutuhan pangan. Namun masih banyak kebutuhan beberapa komoditi harus dipenuhi dengan cara mengimpor dari negara lain. Alasannya karena keberlangsungan pasokan di dalam negeri yang tidak stabil. Salah satu komoditi tersebut adalah bawang merah. Faktor yang menyebabkan ketidakstabilan ini selain karena kondisi cuaca juga karena hama yang menyerang tanaman bawang merah. Banyaknya penyebab atau gejala penyakit yang menyerang tanaman bawang membuat petani sedikit kesulitan dalam menangani kondisi tersebut. Hal ini mengakibatkan menurunnya hasil pertanian dikarenakan banyak tanaman yang gagal panen. Dibutuhkan seorang pakar untuk dapat mengetahui dengan pasti gejala penyakit yang terdapat pada sebuah tanaman bawang. Namun jumlah pakar yang tidak banyak membuat pengawasan terhadap hama sangat sulit dilakukan, karena tidak semua petani mampu melakukan hal tersebut. Perkembangan teknologi Computer Vision dan Artificial intelligence khususnya deep learning dapat menjadi salah satu solusi untuk menyelesaikan permasalahan yang ada. Teknologi object detection sudah banyak dipakai disemua bidang, mulai dari transportasi, keamaan, hingga pertanian. Pendeteksian gejala penyakit dapat dilakukan menggunakan metode object detection, salah satunya yaitu menggunakan algoritma YOLO. YOLO adalah salah satu model object detection berbasis deep learning. Dengan menggunakan algoritma ini, petani dapat mengetahui gejala apa saja yang terdapat pada tanaman. Agar algoritma YOLO ini dapat mendeteksi gejala penyakit tanaman bawang, dibutuhkan dataset untuk melatih sistem. Algoritma ini dapat memprediksi gejala penyakit berdasarkan point of interest pada gambar yang diunggah oleh petani ke server. Gambar yang telah diolah akan menghasilkan output berupa bounding boxes dan confidence score untuk masing masing objek yang terdeteksi. Hasil dari mAP@0,5 (mean average precision) adalah sebesar 59,4%. Kata kunci : Artificial Intelligence, Deep Learning, YOLO Algorithm, Object Detection, Computer Vision