Keywords
Durian
YOLOv8
How to Cite
Abstract
Identifikasi jenis bibit durian pada tahap awal pertumbuhan sangat penting untuk menentukan nilai ekonomis dan pasar. Namun, identifikasi secara manual memerlukan keahlian khusus dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan mengembangkan sistem klasifikasi jenis bibit durian berdasarkan citra daun menggunakan algoritma YOLOv8. Dataset terdiri dari 1.293 gambar tiga jenis bibit durian yang dibagi menjadi data latih, validasi, dan uji. Model dilatih selama 50 epoch dengan resolusi citra 640x640 piksel. Hasil evaluasi menunjukkan performa tinggi dengan nilai precision 0.941, recall 0.956, mAP50 0.981, dan mAP50–95 0.866. Sistem diimplementasikan dalam platform berbasis web untuk mempermudah pengguna dalam mengunggah gambar daun dan mendapatkan hasil klasifikasi secara otomatis. Hasil ini menunjukkan bahwa algoritma YOLOv8 efektif untuk mendukung proses identifikasi bibit durian secara cepat dan akurat.
References
[1] N. A. A. Aziz and A. M. M. Jalil, “Bioactive compounds, nutritional value, and potential health benefits of indigenous durian (Durio zibethinus Murr.): A review,” Mar. 01, 2019, MDPI Multidisciplinary Digital Publishing Institute. doi: 10.3390/foods8030096.
[2] A. Zaenuri, R. S. Witiastuti, D. Ranihusna, A. Athoillah, and N. K. Pangastiti, “Peningkatan kualitas budidaya durian branjang melalui persilangan budidaya dan pemanfaatan limbah menjadi biogas di Desa Branjang, Kabupaten Semarang,” Penamas: Journal of Community Service, vol. 4, no. 2, pp. 295–308, Oct. 2024, doi: 10.53088/penamas.v4i2.1203.
[3] D. Kurniawan and D. Ariatmanto, “IDENTIFIKASI VARIETAS BIBIT DURIAN MENGGUNAKAN MOBILENETV2 BERDASARKAN GAMBAR DAUN,” 2024. doi: 10.36595/jire.v7i2.1236.
[4] N. A. H. A. Halim, S. Suhaila, N. S. A. M. Taujuddin, and R. Hazli, “Durian Tree Type Identification Based on Durian Leaves,” Evolution in Electrical and Electronic Engineering, vol. 4, no. 1, pp. 551–558, 2023, doi: 10.30880/eeee.2023.04.01.066.
[5] S. J. Elroy, F. Nurdiyansyah, G. Priyandoko, and K. Kunci, “Klasifikasi Daun Durian Pada Citra Dalam Menentukan Jenis Menggunakan Convolutional Neutral Network,” 2024, doi: 10.35957/mdp-sc.v3i1.7199.
[6] Deni Hidayat, “Klasifikasi Jenis Mangga Berdasarkan Bentuk Dan Tekstur Daun Menggunakan Metode CNN,” Journal of Information Technology and Computer Science (INTECOMS), vol. 5, no. 1, 2022, doi: 10.31539/intecoms.v5i1.3401.
[7] F. Ayu, F. Sari, R. Wulanningrum, and L. S. Wahyuniar, “Penggunaan Metode CNN (Convolutional Neural Network) untuk Klasifikasi Jenis Tanaman Alpukat Berdasarkan Pola Daun,” Online, 2023. doi: 10.29407/inotek.v7i3.3568.
[8] R. Rudiansyah, A. A. Sunarto, and D. Indrayana, “IMPLEMENTASI ALGORITMA YOLO UNTUK IDENTIFIKASI JENIS TANAMAN AGLAONEMA,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3S1, Oct. 2024, doi: 10.23960/jitet.v12i3S1.5209.
[9] Anissa Ollivia Cahya Pratiwi, “Klasifikasi Jenis Anggur Berdasarkan Bentuk Daun Menggunakan CNN Dan K-Nearest Neighbor,” Jurnal Ilmiah Teknik Informatika dan Komunikasi, vol. 3, no. 2, pp. 201–224, Jul. 2023, doi: 10.55606/juitik.v3i2.535.
[10] R. Afiansyah, “PEMODELAN DETEKSI BELA DIRI BERBASIS WEB DENGAN ALGORITMA YOU ONLY LOOK ONCE V8,” 2024. doi: 10.36040/jati.v8i5.10879.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Hargo Dwi Nugroho, Ratih Kumalasari Niswatin, Daniel Swanjaya