ETD - UIR

Electronic Thesis and Dissertation

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
    Member Login Online Registration
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject NPM Advanced Search

Last search:

{{tmpObj[k].text}}
Image of DETEKSI KEMATANGAN DAN CACAT PADA BUAH TOMAT PASCA PANEN MENGGUNAKAN YOLOv8 (STIDU KASUS : KELOMPOK TANI DESA PUNCAK PATO PROVINSI SUMATRA BARAT)
Bookmark Share

Text

DETEKSI KEMATANGAN DAN CACAT PADA BUAH TOMAT PASCA PANEN MENGGUNAKAN YOLOv8 (STIDU KASUS : KELOMPOK TANI DESA PUNCAK PATO PROVINSI SUMATRA BARAT)

PAGRI - Personal Name; :(YOLOv8,Toma - Personal Name; DeteksiKematangan - Personal Name; Cacat Buah - Personal Name; Computer Vision) - Personal Name;

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.


Availability
#
Teknik Informatika (FAKULTAS TEKNIK UNIVERSITAS ISLAM RIAU PEKANBARU) Informatika 646.3 Pag d
ETD5106II
Available but not for loan - ETD
Detail Information
Call Number
Informatika 646.3 Pag d
Language
Indonesia
NPM
213510597
Publisher
Teknik Infomatika : Universitas Islam Riau., 2026
Keyword(s)
Tomat
(YOLOv8
DeteksiKematangan
Cacat Buah
Other Information
Petugas
Ayu Agustina
Other version/related

No other version available

File Attachment
  • Please login to see this attachment
Comments

You must be logged in to post a comment

ETD - UIR
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?