UBUB
Jurnal Teknologi Informasi dan Ilmu KomputerJurnal Teknologi Informasi dan Ilmu KomputerPadi (Oryza sativa) merupakan sumber pangan utama di Indonesia yang rentan terhadap serangan penyakit daun seperti Brown Spot, Hispa, dan Leaf Blast. Penyakit-penyakit ini menghambat fotosintesis dan berdampak pada produktivitas, sehingga deteksi dini sangat penting. Penelitian ini menerapkan metode deteksi objek berbasis YOLOv8n untuk mengidentifikasi tiga penyakit daun padi. Dataset yang digunakan terdiri dari 1.999 citra, yang mencakup 1.867 citra dari Kaggle Repository dan 132 citra hasil pengambilan data lokal di Bangkalan, Jawa Timur. Dataset dibagi menjadi 70% untuk pelatihan, 20% validasi, dan 10% pengujian. Evaluasi model menggunakan metrik mean Average Precision (mAP) dengan delapan skenario pelatihan, yakni kombinasi batch size (16, 32), epoch (100, 300), serta penggunaan augmentasi dan tanpa augmentasi. Hasil menunjukkan bahwa konfigurasi batch size 32 dengan 100 epoch, tanpa augmentasi menghasilkan performa terbaik dengan mAP sebesar 76,5%. Temuan ini menunjukkan bahwa YOLOv8n merupakan metode yang akurat, efisien, dan potensial untuk diimplementasikan pada perangkat mobile sebagai sistem peringatan dini penyakit daun padi.
Penelitian ini menggunakan model YOLOv8n untuk mendeteksi penyakit pada daun tanaman padi.999 citra yang kemudian dibagi menjadi 70% untuk pelatihan, 20% untuk validasi, dan 10% untuk pengujian.Seluruh citra diberi label menggunakan platform Roboflow.Proses augmentasi diterapkan untuk meningkatkan jumlah data, sehingga menghasilkan total 3.Hasil eksperimen menunjukkan bahwa kombinasi parameter pelatihan batch size, jumlah epoch, dan penggunaan augmentasi memengaruhi akurasi dan efisiensi waktu pelatihan model YOLOv8n dalam mendeteksi penyakit daun padi.Konfigurasi batch size 32 dengan 100 epoch yang dilakukan tanpa augmentasi menghasilkan akurasi sebesar 76,5%, namun membutuhkan waktu pelatihan yang lebih lama yaitu 6,2 ms, sehingga cocok untuk kondisi dengan sumber daya komputasi yang memadai.Oleh karena itu, pemilihan parameter pelatihan perlu disesuaikan untuk memprioritaskan akurasi maupun efisiensi waktu pelatihan.Pelabelan juga perlu ditingkatkan sebagai kesesuaian dengan penyakit daun tanaman padi.
Untuk meningkatkan akurasi dan efisiensi model YOLOv8n dalam mendeteksi penyakit daun padi, penelitian selanjutnya dapat fokus pada pengembangan teknik augmentasi data yang lebih canggih. Selain itu, perlu dilakukan validasi dan pengujian model pada dataset yang lebih beragam dan representatif, termasuk data dari berbagai daerah di Indonesia. Penelitian juga dapat mengeksplorasi penggunaan teknik transfer learning untuk meningkatkan kinerja model pada dataset yang terbatas. Dengan demikian, model deteksi penyakit daun padi berbasis YOLOv8n dapat menjadi lebih akurat dan andal dalam membantu petani dalam melakukan deteksi dini penyakit daun padi.
- Radware Bot Manager Captcha. radware bot manager captcha apologize ensure keep safe please confirm human... doi.org/10.1088/2515-7620/acdeceRadware Bot Manager Captcha radware bot manager captcha apologize ensure keep safe please confirm human doi 10 1088 2515 7620 acdece
- Detection of diseases in rice leaf using convolutional neural network with transfer learning based on... ijece.iaescore.com/index.php/IJECE/article/view/33734Detection of diseases in rice leaf using convolutional neural network with transfer learning based on ijece iaescore index php IJECE article view 33734
- OPTIMIZING YOLOV8 FOR AUTONOMOUS DRIVING: BATCH SIZE FOR BEST MEAN AVERAGE PRECISION (MAP) | Jurnal Teknik... doi.org/10.52436/1.jutif.2024.5.4.1626OPTIMIZING YOLOV8 FOR AUTONOMOUS DRIVING BATCH SIZE FOR BEST MEAN AVERAGE PRECISION MAP Jurnal Teknik doi 10 52436 1 jutif 2024 5 4 1626
- Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan Arsitektur VGG 16 | PARDEDE | MIND (Multimedia... ejurnal.itenas.ac.id/index.php/mindjournal/article/view/5345Deteksi Objek Kereta Api menggunakan Metode Faster R CNN dengan Arsitektur VGG 16 PARDEDE MIND Multimedia ejurnal itenas ac index php mindjournal article view 5345
| File size | 730.36 KB |
| Pages | 12 |
| DMCA | Report |
Related /
UM SURABAYAUM SURABAYA Hal ini menunjukkan kemampuan superior neural network dalam menangkap hubungan data yang kompleks. Sebagai kesimpulan, Neural Network Keras merupakan modelHal ini menunjukkan kemampuan superior neural network dalam menangkap hubungan data yang kompleks. Sebagai kesimpulan, Neural Network Keras merupakan model
UMGUMG Uji ANOVA membuktikan perbedaan signifikan antar algoritma (p < 0,05), yang menandakan bahwa setidaknya satu algoritma memiliki performa yang berbeda secaraUji ANOVA membuktikan perbedaan signifikan antar algoritma (p < 0,05), yang menandakan bahwa setidaknya satu algoritma memiliki performa yang berbeda secara
PELITABANGSAPELITABANGSA Dataset yang digunakan terdiri dari tiga kelas, yaitu Normal, Mengantuk, dan Microsleep, dengan total 2. 052 citra hasil augmentasi. Untuk meningkatkanDataset yang digunakan terdiri dari tiga kelas, yaitu Normal, Mengantuk, dan Microsleep, dengan total 2. 052 citra hasil augmentasi. Untuk meningkatkan
PELITABANGSAPELITABANGSA Penelitian ini memberikan gambaran mendalam tentang respons publik terhadap Program Tapera di media sosial dan mengonfirmasi efektivitas Naïve Bayes ClassifierPenelitian ini memberikan gambaran mendalam tentang respons publik terhadap Program Tapera di media sosial dan mengonfirmasi efektivitas Naïve Bayes Classifier
PELITABANGSAPELITABANGSA Hasil menunjukkan bahwa SVM lebih unggul dibandingkan Naive Bayes, dengan akurasi 97%, presisi 0,98, recall 0,96, dan F1-score 0,97. Sementara itu, NaiveHasil menunjukkan bahwa SVM lebih unggul dibandingkan Naive Bayes, dengan akurasi 97%, presisi 0,98, recall 0,96, dan F1-score 0,97. Sementara itu, Naive
UMGUMG Penelitian ini menunjukkan bahwa algoritma K-Nearest Neighbors (KNN) memberikan kinerja terbaik dalam mendeteksi kelulusan mahasiswa, dengan akurasi tinggiPenelitian ini menunjukkan bahwa algoritma K-Nearest Neighbors (KNN) memberikan kinerja terbaik dalam mendeteksi kelulusan mahasiswa, dengan akurasi tinggi
STIBASTIBA Penelitian ini membahas nilai-nilai akhlak dalam pembentukan karakter berdasarkan hadis-hadis Nabi yang terdapat dalam Ṣaḥīḥ al-Bukhārī. KajianPenelitian ini membahas nilai-nilai akhlak dalam pembentukan karakter berdasarkan hadis-hadis Nabi yang terdapat dalam Ṣaḥīḥ al-Bukhārī. Kajian
URINDOURINDO Data dikumpulkan melalui kuesioner berskala Likert dan dianalisis melalui uji validitas, reliabilitas, serta evaluasi model struktural. Hasil penelitianData dikumpulkan melalui kuesioner berskala Likert dan dianalisis melalui uji validitas, reliabilitas, serta evaluasi model struktural. Hasil penelitian
Useful /
UBUB Hasil pengujian menunjukkan posisi cart paling stabil -3 m dari posisi awal, rise time 2,31 detik, settling time 2,44 detik, dan sudut simpangan maksimumHasil pengujian menunjukkan posisi cart paling stabil -3 m dari posisi awal, rise time 2,31 detik, settling time 2,44 detik, dan sudut simpangan maksimum
UBUB GWO secara konsisten meningkatkan akurasi, presisi, recall, dan skor F1 dibandingkan dengan penggunaan semua fitur maupun dengan metode seleksi fitur lainGWO secara konsisten meningkatkan akurasi, presisi, recall, dan skor F1 dibandingkan dengan penggunaan semua fitur maupun dengan metode seleksi fitur lain
HKBPHKBP Penelitian ini melibatkan guru dan dosen sebagai responden. Metode yang digunakan dalam penelitian ini adalah metode kualitatif. Untuk memperoleh data,Penelitian ini melibatkan guru dan dosen sebagai responden. Metode yang digunakan dalam penelitian ini adalah metode kualitatif. Untuk memperoleh data,
URINDOURINDO Oleh karena itu, hipotesis H3 diterima dan H0 ditolak. Selain itu, nilai koefisien determinasi (R²) menunjukkan bahwa kedua variabel independen ini menjelaskanOleh karena itu, hipotesis H3 diterima dan H0 ditolak. Selain itu, nilai koefisien determinasi (R²) menunjukkan bahwa kedua variabel independen ini menjelaskan