Keywords
Kecerdasan buatan
YOLOv8
How to Cite
Abstract
Permasalahan dalam membedakan stroberi segar dan busuk sering kali menyulitkan, terutama bagi konsumen awam. Beberapa buah memperlihatkan tanda-tanda yang meragukan, sehingga sulit dipastikan apakah buah tersebut sudah busuk atau masih layak konsumsi. Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem deteksi otomatis berbasis web menggunakan metode YOLOv8. Dataset diperoleh melalui pengambilan gambar langsung dan sumber daring, kemudian dilakukan augmentasi serta pelabelan menggunakan platform Roboflow. Model YOLOv8n dilatih dan diintegrasikan ke dalam aplikasi web berbasis Flask yang mendukung deteksi melalui kamera dan unggahan gambar. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan stroberi dengan akurasi sebesar 94,20%. Sistem ini berpotensi menjadi solusi praktis untuk membantu masyarakat dalam mengidentifikasi kualitas stroberi secara cepat dan akurat. Sebagai saran pengembangan selanjutnya, sistem ini dapat ditingkatkan dengan memperbanyak jumlah dan variasi dataset, serta dikombinasikan dengan sensor kelembapan atau fitur berbasis Internet of Things (IoT) untuk memperoleh hasil yang lebih presisi dan kontekstual.
References
[1] D. C. Agustin, M. A. Rosid, and N. Ariyanti, “Implementasi Convolutional Neural Network Untuk Deteksi Kesegaran Pada Apel,” J. Fasilkom, vol. 13, no. 02, pp. 145–150, 2023, doi: 10.37859/jf.v13i02.5175.
[2] I. N. T. A. Putra, J. E. Prasetyo, C. Aminin, and I. K. A. Dana, “Deteksi Kesegaran Buah Apel, Pisang, Dan Jeruk Menggunakan Metode Transformasi Ruang Warna HSI dan K-Nearest Neighbor,” INFORMATICS Educ. Prof. J. Informatics, vol. 7, no. 2, p. 120, 2023, doi: 10.51211/itbi.v8i1.2243.
[3] F. N. Cahya, R. Pebrianto, and T. A. M, “Klasifikasi Buah Segar dan Busuk Menggunakan Ekstraksi Fitur Hu-Moment , Haralick dan Histogram,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 6, no. 1, pp. 57–62, 2021, doi: 10.31294/ijcit.v6i1.10052.
[4] K. Prajatama, F. E. Nugroho, A. F. Sentosa, and S. Fauziah, “Deteksi Kualitas Buah Apel Malang Manalagi Menggunakan Algoritma Naive Bayes,” e-Jurnal JUSITI (Jurnal Sist. Inf. dan Teknol. Informasi), vol. 8–1, no. 1, pp. 32–38, 2019, doi: 10.36774/jusiti.v8i1.598.
[5] A. Wibowo, L. Lusiana, and T. K. Dewi, “Implementasi Algoritma Deep Learning You Only Look Once (YOLOv5) Untuk Deteksi Buah Segar Dan Busuk,” Paspalum J. Ilm. Pertan., vol. 11, no. 1, p. 123, 2023, doi: 10.35138/paspalum.v11i1.489.
[6] N. Rahadatul ‘Aisy, Y. Agustin, and A. Supriatna, “Perbandingan Morfologi Stroberi (Fragaria SPP) Di La Fressa Dan Bukit Strawberry Lembang Untuk Klasifikasi Varietas,” Polyg. J. Ilmu Komput. dan Ilmu Pengetah. Alam, vol. 2, no. 4, pp. 123–131, 2024, [Online]. Available: https://doi.org/10.62383/polygon.v2i4.171
[7] D. H. Saputra, B. Imran, and Juhartini, “Object Detection Untuk Mendeteksi Citra Buah-Buahan Menggunakan Metode Yolo,” J. Kecerdasan Buatan dan Teknol. Inf., vol. 2, no. 2, pp. 70–80, 2023, doi: 10.69916/jkbti.v2i2.18.
[8] A. Ardiansyah, J. Triloka, and Indera, “Evaluasi Akurasi dan Presisi Model YOLOv8 dalam Deteksi Kesegaran Buah,” JUPITER J. Penelit. Ilmu Dan Teknol. Komput., vol. 16, no. 2, pp. 357–368, 2024.
[9] J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You Only Look Once: Unified, Real-Time Object Detection,” ACM Int. Conf. Proceeding Ser., 2018, doi: 10.1145/3243394.3243692.
[10] A. Auliya, T. Dewi, Y. Oktarina, and M. N. Noer, “Implementasi Pengolahan Citra Menggunakan Metode YOLO pada Security Robot dibidang Pertanian,” J. Appl. Smart Electr. Netw. Syst., vol. 3, no. 02, pp. 43–48, 2022, doi: 10.52158/jasens.v3i02.508.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Salfa Kholida Eka Putri, Ratih Kumalasari Niswatin, S.ST., M.Kom., Daniel Swanjaya, M.Kom.