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 /
UBUB Metode yang memodifikasi bobot kriteria pada file model, view, dan controller serta menambahkan fitur baru ke SQL Complexity dapat mengukur kompleksitasMetode yang memodifikasi bobot kriteria pada file model, view, dan controller serta menambahkan fitur baru ke SQL Complexity dapat mengukur kompleksitas
UBUB 26, yang menunjukkan kinerja model yang sangat baik dalam mendeteksi kesegaran buah dan sayur. Penelitian ini berhasil mengembangkan dan mengevaluasi model26, yang menunjukkan kinerja model yang sangat baik dalam mendeteksi kesegaran buah dan sayur. Penelitian ini berhasil mengembangkan dan mengevaluasi model
PNLPNL Spesimen baja mild steel berukuran 150 mm x 25 mm x 2 mm dilapisi dan direndam dalam 4 liter limbah minyak kelapa sawit yang telah dikondisikan selamaSpesimen baja mild steel berukuran 150 mm x 25 mm x 2 mm dilapisi dan direndam dalam 4 liter limbah minyak kelapa sawit yang telah dikondisikan selama
UBUB Penelitian ini mengevaluasi penerapan Grey Wolf Optimizer (GWO) untuk seleksi fitur pada deteksi kecacatan perangkat lunak menggunakan Support Vector MachinePenelitian ini mengevaluasi penerapan Grey Wolf Optimizer (GWO) untuk seleksi fitur pada deteksi kecacatan perangkat lunak menggunakan Support Vector Machine
UBUB Penerimaan pengguna diukur dengan 7 responden berpengalaman menggunakan skala Likert 5 point dan dianalisis dengan paired t-test (α=0,05). Hasil menunjukkanPenerimaan pengguna diukur dengan 7 responden berpengalaman menggunakan skala Likert 5 point dan dianalisis dengan paired t-test (α=0,05). Hasil menunjukkan
PNLPNL Studi menunjukkan bahwa blending residu dan distilat dengan proporsi yang tepat dapat mengontrol parameter seperti viskositas, densitas, dan kandunganStudi menunjukkan bahwa blending residu dan distilat dengan proporsi yang tepat dapat mengontrol parameter seperti viskositas, densitas, dan kandungan
UBUB Selama 5 hari pengujian, alat otomatisasi hidroponik berhasil membaca nilai TDS hingga 1000 ppm dan pH antara 6,4–7,0, dengan error 3 % untuk sensorSelama 5 hari pengujian, alat otomatisasi hidroponik berhasil membaca nilai TDS hingga 1000 ppm dan pH antara 6,4–7,0, dengan error 3 % untuk sensor
UNAIRUNAIR 032 gambar), dan set uji 10% (2. 033 gambar). Pola klasifikasi dianalisis menggunakan matriks kebingungan dan metrik standar seperti akurasi, presisi,032 gambar), dan set uji 10% (2. 033 gambar). Pola klasifikasi dianalisis menggunakan matriks kebingungan dan metrik standar seperti akurasi, presisi,
Useful /
UBUB Penelitian ini berkontribusi pada pengembangan solusi IoT pertanian yang terjangkau, adaptif terhadap kondisi geografis Indonesia, dan dapat mendukungPenelitian ini berkontribusi pada pengembangan solusi IoT pertanian yang terjangkau, adaptif terhadap kondisi geografis Indonesia, dan dapat mendukung
UBUB Kontribusi utama penelitian ini meliputi: (1) perancangan topologi mesh 6G-IoT yang memanfaatkan node IoT sebagai relay adaptif; (2) integrasi IRS sebagaiKontribusi utama penelitian ini meliputi: (1) perancangan topologi mesh 6G-IoT yang memanfaatkan node IoT sebagai relay adaptif; (2) integrasi IRS sebagai
UBUB Jamur tiram saat ini mulai banyak dibudidayakan oleh masyarakat perkotaan. Namun, suhu dan kelembapan yang ada di perkotaan kurang sesuai untuk pertumbuhanJamur tiram saat ini mulai banyak dibudidayakan oleh masyarakat perkotaan. Namun, suhu dan kelembapan yang ada di perkotaan kurang sesuai untuk pertumbuhan
UBUB Secara keseluruhan, hasil penelitian ini memberikan kontribusi terhadap pengembangan model prediksi berbasis data mining dan dapat menjadi landasan bagiSecara keseluruhan, hasil penelitian ini memberikan kontribusi terhadap pengembangan model prediksi berbasis data mining dan dapat menjadi landasan bagi