Sistem pendeteksi penyakit daun cabai merah keriting (Capsicum Annum ) menggunakan You Only Look Once (YOLO)

Maulana, Ridwan (2024) Sistem pendeteksi penyakit daun cabai merah keriting (Capsicum Annum ) menggunakan You Only Look Once (YOLO). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

	Text (COVER) COVER.pdf Download (76kB)
	Text (ABSTRAK) ABSTRAK.pdf Download (36kB)
	Text (LEMBAR PERNYATAAN KARYA SENDIRI) SURAT PERNYATAAN KARYA SENDIRI RIDWAN MAULANA (1).pdf Download (175kB)
	Text (DAFTAR ISI) DAFTAR ISI.pdf Restricted to Registered users only Download (236kB)
	Text (BAB I) BAB I.pdf Download (233kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (613kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (802kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Restricted to Registered users only Download (23kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (172kB)
	Text (LAMPIRAN) Lampiran Skripsi Ridwan Maulana (1).pdf Restricted to Repository staff only Download (827kB)

Abstract

Cabai merah keriting merupakan komoditas hortikultura penting di Indonesia dengan nilai ekonomi yang tinggi dan berdampak signifikan pada ekonomi nasional, terutama terkait inflasi. Meskipun demikian, produktivitas cabai merah keriting di Indonesia masih rendah dibandingkan negara lain seperti China. Penelitian ini menggunakan dataset yang diambil dari petani cabai merah keriting di Kampung Cimanggu, Desa Pagelaran, Kecamatan Purabaya, Kabupaten Sukabumi. Data gambar telah dilabeli menggunakan Roboflow dan dilatih menggunakan PyTorch. Evaluasi model YOLOv5 menunjukkan hasil yang menjanjikan dalam mendeteksi penyakit. Model ini mencapai skor kepercayaan minimum 0,28 dan maksimum 0,85 untuk daun cabai merah keriting sehat, 0,26 hingga 0,82 untuk bercak daun (Cercospora), dan 0,25 hingga 0,73 untuk bercak putih (Thrips). Metrik kinerja setelah pelatihan meliputi presisi 100%, recall 83%,F1-score 49%, dan mean average precision 44,4% berdasarkan 200 sampel data uji. Hasil ini menunjukkan bahwa model ini efektif dalam mengidentifikasi penyakit pada daun cabai merah keriting, yang berpotensi untuk diterapkan dalam manajemen penyakit pertanian secara praktis.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Cabai merah keriting; Penyakit daun cabai; Capsicum annuum; pendeteksian penyakit; YOLOv5; PyTorch
Subjects:	Data Processing, Computer Science
Divisions:	Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User:	Mr Ridwan Maulana
Date Deposited:	03 Jun 2025 06:44
Last Modified:	03 Jun 2025 06:44
URI:	https://digilib.uinsgd.ac.id/id/eprint/108618

Actions (login required)

View Item