IDENTIFIKASI HAMA DAN PENYAKIT PADA TANAMAN JATI DENGAN METODE DEEP LEARNING YOLOV8

Abstrak

Tanaman jati (Tectona grandis) adalah tanaman dengan kualitas kayu yang terkenal bermutu tinggi dan banyak dibudidayakan di Indonesia. Tanaman ini dikenal karena ketahanan-nya terhadap cuaca ekstrem, tetapi seringkali rentan terhadap hama dan penyakit yang merugikan produksi kayu berkualitas. Kemajuan teknologi di bidang agriculture, khususnya teknologi berbasis kecerdasan buatan, telah membantu para pembudidaya untuk mengatasi masalah dibidang pertanian. Penelitian ini bertujuan menerapkan teknologi kecerdasan buatan berupa object detection untuk mengenali dan mendeteksi penyakit serta hama pada tanaman jati secara efektif menggunakan metode deep learning, yaitu algoritma YOLOv8 (You Only Look Once). Objek yang dideteksi dalam penelitian ini dibagi menjadi sembilan kelas hama dan penyakit. Sistem dikembangkan menggunakan citra gambar daun dan batang jati dengan total 435 dataset gambar, yang kemudian dibagi menjadi 70% data latih, 20% data validasi, dan 10% data uji, sehingga diperoleh 381 data latih, 36 data validasi, dan 18 data uji. Pelatihan dataset dilakukan menggunakan Roboflow dan Google Colab. Model dilatih sebanyak 5 kali dengan menggunakan epoch 25, 10, 30, 100, 150 betch 16, telah menghasilkan model terbaik pada epoch 100 dengan nilai precision yang menghasilkan nilai sebesarn0.979, mAp 0.728, recall sebesar 0.264 dan F1-Secore sebesar 0.628. Dari hasil training model yang sudah dilakukan pengujian pada model terbaik telah menghasilkan dataset dengan tingkat akurasi sebesar 87.6%, validation sebesar 8.3%, test 4.1%.

The teak plant (Tectona grandis) is a plant with wood that is known for its high quality and is widely cultivated in Indonesia. This plant is known for its resistance to extreme weather, but is often susceptible to pests and diseases that are detrimental to quality wood production. Technological advances in the agricultural sector, especially artificial intelligence-based technology, have helped cultivators to overcome problems in the agricultural sector. This research aims to apply artificial intelligence technology in the form of object detection to recognize and detect diseases and pests in teak plants effectively using deep learning methods, namely the YOLOv8 (You Only Look Once) algorithm. The objects detected in this study were divided into nine classes of pests and diseases. The system was developed using images of teak leaves and stems with a total of 435 image datasets, which were then divided into 70% training data, 20% validation data, and 10% test data, resulting in 381 training data, 36 validation data, and 18 test data. Dataset training was carried out using Roboflow and Google Colab. The model was trained 5 times using epochs 25, 10, 30, 100, 150 bet 16, resulting in the best model at epoch 100 with a precision value of n0.979, mAp 0.328, recall of 0.264 and F1-Secore of 0.428. From the results of the training model that has been tested on the best model, it has produced a dataset with an accuracy level of 87.6%, validation of 8.3%, test of 4.1%.