Adzani, Nabila Lintang (2025) ANALISIS KINERJA ALGORITMA YOLOV8 DAN CONVOLUTIONAL NEURAL NETWORK PADA DETEKSI PENYAKIT SOYBEAN RUST. Bachelor thesis, Universitas Nasional.
![[thumbnail of COVER.pdf]](http://repository.unas.ac.id/style/images/fileicons/text.png "COVER.pdf") |
Text
COVER.pdf Download (1MB) |
|
Text
BAB 1.pdf Download (236kB) |
|
Text
BAB 2.pdf Download (346kB) |
|
Text
BAB 3.pdf Download (407kB) |
|
Text
BAB 4.pdf Download (2MB) |
|
Text
BAB 5.pdf Download (225kB) |
|
Text
LAMPIRAN.pdf Download (3MB) |
|
Text
LAMPIRAN.pdf Download (3MB) |
Abstract
Penelitian ini mengkaji kinerja dua algoritma kecerdasan buatan, yaitu YOLOv8
dan Convolutional Neural Network (CNN), dalam mendeteksi penyakit karat daun
(soybean rust) pada tanaman kedelai. Penyakit karat daun merupakan ancaman
serius bagi produktivitas kedelai di Indonesia, sehingga deteksi dini yang cepat dan
akurat sangat dibutuhkan. Dataset yang digunakan berasal dari repositori publik
datadryad.org, terdiri dari citra daun kedelai sehat dan yang terinfeksi penyakit
karat daun. Model CNN diimplementasikan menggunakan arsitektur MobileNetV2
dengan teknik transfer learning, sedangkan YOLOv8 digunakan sebagai model
deteksi objek yang mampu memberikan klasifikasi sekaligus lokasi area infeksi
pada daun. Hasil evaluasi menunjukkan bahwa CNN mencapai akurasi klasifikasi
sebesar 97,4% dengan precision 0,96 dan recall 0,97, sedangkan YOLOv8
memperoleh nilai mean Average Precision (mAP50) sebesar 82,32% dengan
precision 0,82 dan recall 0,80. YOLOv8 unggul dalam kecepatan inferensi dengan
rata-rata 6,9 ms per citra dibandingkan CNN yang 28,6 ms. Kedua algoritma
memiliki keunggulan masing-masing; CNN lebih efektif untuk klasifikasi citra,
sedangkan YOLOv8 lebih tepat untuk deteksi objek secara real-time dengan
penentuan lokasi infeksi. Penelitian ini juga mengembangkan aplikasi berbasis web
menggunakan Streamlit untuk memudahkan pengguna dalam mendeteksi penyakit
kedelai secara interaktif. Saran untuk pengembangan selanjutnya meliputi
perluasan dataset, optimasi parameter model, serta implementasi pada perangkat
nyata untuk mendukung pertanian cerdas.
| Item Type: | Thesis (Bachelor) |
|---|---|
| Subjects: | Q Science > Q Science (General) T Technology > T Technology (General) |
| Divisions: | Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika |
| Depositing User: | Miss Rahma Rahmawati |
| Date Deposited: | 03 Oct 2025 07:13 |
| Last Modified: | 03 Oct 2025 07:13 |
| URI: | http://repository.unas.ac.id/id/eprint/14338 |
Actions (login required)
 |
View Item |
