MODEL MACHINE LEARNING UNTUK DETEKSI TINGKAT KEMATANGAN TANDAN BUAH SEGAR KELAPA SAWIT MENGGUNAKAN METODE YOLOV8
Universitas Gunadarma
Indonesia
Universitas Gunadarma
Indonesia
Article Submitted: 05 July 2024
Article Published: 13 December 2024
Abstract
Kemajuan teknologi informasi membawa banyak perubahan dibidang pertanian. Pemanfaatan teknologi dapat dilakukan pada kelapa sawit untuk mendukung pertaniandi Indonesia. Penelitian ini bertujuan untuk membuat model machine learning untuk deteksi tingkat kematangan Tandan Buah Segar (TBS) kelapa sawit menggunakan model YOLOv8. Model machine learning ini dirancang untuk meningkatkan akurasi dan efisiensi penentuan kematangan buah kelapa sawit, yang sangat penting bagi industri kelapa sawit. Dataset yang digunakan dalam penelitian ini terdiri dari 6592 citra yang dikumpulkan dari platform Roboflow, yang mencakup berbagai tingkat kematangan buah kelapa sawit. Metodologi penelitian yang diterapkan adalah Cross Industry Standard Process for Data Mining (CRISP-DM), yang meliputi tahap pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi. Proses pelatihan model machine learning berlangsung selama 3107 jam dengan nilai precision mencapai 0.945, nilai recall mencapai 0.947, dan nilai mean Average Precision (mAP) mencapai 0.98. Model deteksi ini mampu mendeteksi tingkat kematangan kelapa sawit dengan baik yang dibuktikan oleh evaluasi model dengan nilai kurva f1-confidence mencapai 95% serta nilai kurva precision-recall mencapai 98%.
Keywords
References
Agustina, F. (2022). Deteksi Kematangan Buah Pepaya Menggunakan Algoritma YOLO Berbasis Android. Jurnal Ilmiah Infokam, 18(2), 70–78. https://doi.org/10.53845/infokam.v18i2.320
Aras, S., Tanra, P., & Bazhar, M. (2024). Deteksi Tingkat Kematangan Buah Tomat Menggunakan YOLOv5. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 623–628. https://doi.org/10.57152/malcom.v4i2.1270
Ayyiyah, N. K., Kusumaningrum, R., & Rismiyati, R. (2023). Film Recommender System Menggunakan Metode Neural Collaborative Filtering. Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(3), 699–708. https://doi.org/10.25126/jtiik.20231036616
Badan Pusat Statistik. (2024). Produksi Tanaman Perkebunan (Ribu Ton), 2023. Produksi Tanaman Perkebunan.
Dompeipen, T. A., & Sompie, S. R. U. . (2020). Penerapan computer vision untuk pendeteksian dan penghitung jumlah manusia. Jurnal Teknik Informatika, 15(4), 1–12.
Himmah, E. F., Widyaningsih, M., & Maysaroh, M. (2020). Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB Dan HSV Menggunakan Metode K-Means Clustering. Jurnal Sains Dan Informatika, 6(2), 193–202. https://doi.org/10.34128/jsi.v6i2.242
Kohsasih, K. L., & Situmorang, Z. (2022). Comparative Analysis of C4.5 and Naïve Bayes Algorithms in Predicting Cerebrovascular Disease. Jurnal Informatika, 9(1), 13–17.
Maulida, P., Muryani, M., & Faristiana, A. R. (2023). Dampak Perkembangan Teknologi Pertanian Terhadap Perubahan. Student Scientific Creativity Journal (SSCJ), 1(4), 349–365. https://doi.org/10.55606/sscj-amik.v1i4.1650
Nugraha, Y. P. P., & Wibowo, E. P. (2024). Deteksi Cacat pada Sekrup Berbasis Citra Menggunakan YOLOv5. Jurnal Ilmiah Komputasi, 23(1), 59–66. https://doi.org/10.32409/jikstik.23.1.3516
Pawidya, N. P., & Salam, A. (2024). Pengembangan Sistem Deployment Deteksi untuk Kista Ginjal pada Citra CT Scan dengan Metode Yolo. 9(1), 396–407.
Rifqi, M., & Suharjito. (2021). Deteksi Kematangan Tandan Buah Segar (Tbs) Kelapa Sawit Berdasarkan Komposisi Warna Menggunakan Deep Learning. Jurnal Teknik Informatika, 6(1), 125–134.
Romadloni, P., Adhi Kusuma, B., & Maulana Baihaqi, W. (2022). Komparasi Metode Pembelajaran Mesin Untuk Implementasi Pengambilan Keputusan Dalam Menentukan Promosi Jabatan Karyawan. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 622–628. https://doi.org/10.36040/jati.v6i2.5238
Rosmegawati, R. (2021). Peran Aspek Tehnologi Pertanian Kelapa Sawit Untuk Meningkatkan Produktivitas Produksi Kelapa Sawit. Jurnal Agrisia, 13(2), 74–80.
Saragih, H., & Rahayu, H. (2022). Pengaruh kebijakan Uni Eropa terhadap ekspor kelapa sawit Indonesia. JPPI (Jurnal Penelitian Pendidikan Indonesia), 8(2), 296–303. https://doi.org/10.29210/020221377
Sari, W. E., Muslimin, M., Franz, A., & Sugiartawan, P. (2022). Deteksi Tingkat Kematangan Tandan Buah Segar Kelapa Sawit dengan Algoritme K-Means. SINTECH (Science and Information Technology) Journal, 5(2), 154–164. https://doi.org/10.31598/sintechjournal.v5i2.1146
Yuliyanto, S., Nurinda Fadhilah Amani, Fityanul Akhyar, & Koredianto Usman. (2022). Sistem Inspeksi Permukaan Baja Berbasis Deep Learning Menggunakan Metode Anchor-Free. Jurnal Ilmiah Teknik Mesin, Elektro Dan Komputer, 2(3), 184–190. https://doi.org/10.51903/juritek.v2i3.364
