Text
DETEKSI KEMATANGAN DAN CACAT PADA BUAH TOMAT PASCA PANEN MENGGUNAKAN YOLOv8 (STIDU KASUS : KELOMPOK TANI DESA PUNCAK PATO PROVINSI SUMATRA BARAT)
Penelitian ini dilatarbelakangi oleh permasalahan utama yang dihadapi petani di Desa Puncak Pato, yaitu proses sortasi buah tomat pascapanen yang masih dilakukan secara manual sehingga menghasilkan kualitas yang tidak konsisten, meningkatnya kesalahan manusia, dan penurunan nilai jual. Untuk menjawab permasalahan tersebut, penelitian ini bertujuan mengembangkan sistem deteksi tingkat kematangan dan cacat buah tomat menggunakan algoritma YOLOv8 agar proses sortasi menjadi lebih cepat, objektif, dan akurat. Metode penelitian meliputi pengumpulan 550 citra tomat dari berbagai kondisi lapangan, anotasi enam kelas objek (muda, mengkal, setengah matang, matang, cacat, dan mahkota), augmentasi data dengan flipping, rotation, noise, dan color jitter, serta pelatihan model menggunakan tiga skema pembagian data (80:10:10, 70:20:10, dan 70:15:15). Model YOLOv8 dilatih selama 100 epoch dan dievaluasi menggunakan metrik Precision, Recall, mAP50, dan mAP50–95. Hasil terbaik diperoleh pada skema 80:10:10 dengan nilai mAP50–95 sebesar 0,761. Pengujian lapangan terhadap 1.000 tomat menunjukkan tingkat keberhasilan deteksi 80% dengan performa terbaik pada pencahayaan siang hari. Sistem kemudian diimplementasikan ke dalam aplikasi web berbasis Flask dan terhubung ke kamera smartphone melalui DroidCam untuk deteksi real-time. Sumbangan mandiri penelitian ini terletak pada penggabungan klasifikasi tingkat kematangan dan deteksi cacat dalam satu model YOLOv8 yang diterapkan langsung pada lingkungan petani secara real time, sehingga mampu meningkatkan konsistensi sortasi dan memberikan solusi praktis yang siap digunakan.
No other version available