Penerapan YOLOv8 Dalam Deteksi Penyakit Tanaman Daun Jambu Air Secara Real-time

Abstract

Pendeteksian penyakit pada tanaman adalah tantangan utama dalam pertanian untuk menjaga kesehatan dan produktivitas tanaman. Penelitian ini mengimplementasikan metode YOLOv8 untuk mendeteksi penyakit pada daun jambu air dan mengevaluasi akurasi menggunakan mean Average Precision (mAP). Dataset yang terdiri dari 754 gambar daun jambu air diperluas menjadi 1229 gambar melalui proses augmentasi. Preprocessing dataset dilakukan di Roboflow, sementara pelatihan model dilakukan di google collab. Model YOLOv8 dilatih untuk mendeteksi enam jenis penyakit—embun jelaga, berlubang, antraknosa, mosaic virus, layu fusarium, dan gall—serta satu kategori daun sehat. Pengujian dilakukan terhadap 75 daun untuk memperoleh hasil mAP, yang menunjukkan nilai sebesar 82%. Sistem deteksi dibangun menggunakan framework Flask untuk integrasi dengan antarmuka pengguna berbasis web. Hasil penelitian menunjukkan bahwa YOLOv8 efektif dalam mendeteksi penyakit pada daun jambu air dengan akurasi tinggi, memberikan kontribusi signifikan dalam pengelolaan kesehatan tanaman.

Kata kunci: deteksi penyakit tanaman, YOLOv8, mean average precision, daun jambu air, framework flask