Text

Deteksi Hama Daun Kelapa Sawit Menggunakan Metode YOLO dan SAM

---

Kelapa sawit merupakan salah satu tanaman utama di Indonesia yang berkontribusi besar terhadap perekonomian nasional. Namun, produktivitasnya sering menurun akibat serangan hama seperti Kumbang Tanduk, Ulat Bulu, dan Ulat Kantung. Proses deteksi hama yang selama ini dilakukan secara manual memakan waktu lama dan rawan terjadi kesalahan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi hama daun kelapa sawit menggunakan metode You Only Look Once (YOLO) dan Segment Anything Model (SAM). Data penelitian diperoleh melalui pemotretan langsung di PT. Budi Tani Kembang Jaya, kemudian diproses melalui tahapan resize, normalisasi, augmentasi, serta divalidasi oleh ahli. Dataset dibagi dalam dua skema, yaitu 80% latih, 10% validasi, 10% uji serta 70% latih, 10% validasi, 20% uji, dengan hasil pelatihan terbaik diperoleh pada skema 80:10:10. Model dilatih menggunakan YOLOv8 dengan dua optimizer (AdamW dan SGD) serta dua nilai learning rate (0,001 dan 0,01). Evaluasi dilakukan dengan metrik precision, recall, mAP@50, dan mAP50-95. Konfigurasi terbaik diperoleh pada skema 80:10:10 dengan optimizer AdamW dan learning rate 0,001 selama 40 epoch, menghasilkan nilai precision 0,998, recall 0,989, mAP@50 0,995, dan mAP50-95 0,849. Hasil ini menunjukkan model mampu mendeteksi tiga jenis hama dan Daun Sehat dengan akurasi sangat tinggi. Model tersebut kemudian diimplementasikan menggunakan framework Flask, sehingga dapat dijalankan melalui antarmuka web dan dimanfaatkan secara real-time dengan lebih mudah dan efisien.

---

Availability

Detail Information

Call Number

informatika 363.7 Esi d

Language

NPM

213510448

Publisher

Teknik Infomatika : Universitas Islam Riau., 2026

Keyword(s)

Website
Deep Learning
Hama Daun Kelapa Sawit
Deteksi Otomatis
YOLO
SAM

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment