USMUSM

Jurnal TransformatikaJurnal Transformatika

Produktivitas tanaman jambu biji (Psidium guajava L.) menghadapi ancaman serius dari penyakit Phytophthora, Scab, dan Stylar End Rot, namun metode deteksi konvensional seringkali memiliki keterbatasan dalam melokalisasi area infeksi secara akurat. Penelitian ini mengusulkan sistem deteksi terintegrasi menggunakan algoritma YOLOv8s untuk deteksi objek real-time dan K-Means Clustering untuk segmentasi area penyakit. Model dilatih menggunakan 600 citra dengan pembagian data latih, validasi, dan uji sebesar 50:40:10. Hasil pengujian menunjukkan performa tinggi dengan nilai Mean Average Precision mencapai 0.891 pada data uji, konsisten dengan hasil validasi (0.894), serta waktu inferensi rata-rata 26.1 ms. Sistem ini berkontribusi dalam menyediakan solusi pemantauan penyakit yang layak untuk aplikasi real-time, di mana integrasi K-Means terbukti efektif memvisualisasikan area terinfeksi secara presisi untuk analisis tingkat keparahan penyakit.

Penelitian ini berhasil mengintegrasikan metode YOLOv8s dan K-Means Clustering untuk mendeteksi serta mensegmentasi penyakit pada buah jambu biji secara real-time.Hasil pengujian menunjukkan performa model yang andal dengan nilai mAP50–95 sebesar 0.1 ms, yang menegaskan kelayakan sistem untuk implementasi praktis.Selain akurasi deteksi, penerapan K-Means terbukti efektif dalam memvisualisasikan area lesi penyakit secara presisi guna mendukung analisis tingkat keparahan secara visual.

Untuk pengembangan selanjutnya, disarankan untuk menambah variasi dalam dataset yang mencerminkan kondisi nyata di lapangan serta mengeksplorasi metode segmentasi lainnya agar pemetaan area infeksi lebih presisi. Penerapan sistem pada perangkat mobile atau embedded memungkinkan penggunaan secara real-time di lapangan maupun saat proses penyortiran buah. Selain itu, penelitian lebih lanjut dapat dilakukan untuk meningkatkan akurasi deteksi pada area infeksi berukuran kecil atau dengan tingkat kontras warna yang rendah. Studi komparatif antara berbagai metode segmentasi citra juga dapat dilakukan untuk memilih metode yang paling efektif dalam mendukung analisis tingkat keparahan penyakit secara visual.

  1. Segmentation of Diseased Tomato Leaf Image with K-Means Clustering Method in HSV Colour Space | The Indonesian... doi.org/10.33022/ijcs.v14i2.4685Segmentation of Diseased Tomato Leaf Image with K Means Clustering Method in HSV Colour Space The Indonesian doi 10 33022 ijcs v14i2 4685
  2. Deteksi Area Penyakit Jambu Biji menggunakan YOLOv8 dan K-Means Clustering | Jurnal Transformatika. deteksi... doi.org/10.26623/transformatika.v23i2.13234Deteksi Area Penyakit Jambu Biji menggunakan YOLOv8 dan K Means Clustering Jurnal Transformatika deteksi doi 10 26623 transformatika v23i2 13234
Read online
File size811.42 KB
Pages9
DMCAReport

Related /

ads-block-test