Implementasi YOLOv8 untuk Deteksi Otomatis Kualitas Stroberi Berbasis Web

Authors

  • Salfa Kholida Eka Putri Universitas Nusantara PGRI Kediri Indonesia
  • Ratih Kumalasari Niswatin, S.ST., M.Kom. Universitas Nusantara PGRI Kediri Indonesia
  • Daniel Swanjaya, M.Kom. Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/pra3xa45

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.

Keywords:

Deteksi buah, Kecerdasan buatan, YOLOv8

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

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.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Salfa Kholida Eka Putri, Ratih Kumalasari Niswatin, S.ST., M.Kom., Daniel Swanjaya, M.Kom.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Implementasi YOLOv8 untuk Deteksi Otomatis Kualitas Stroberi Berbasis Web. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(2), 1713-1722. https://doi.org/10.29407/pra3xa45