IDENTIFIKASI MANGGA BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN YOLO 11
DOI:
https://doi.org/10.29407/0xsw9k28Keywords:
identifikasi, mangga, pertanian, YOLOv11Abstract
Pertumbuhan penduduk yang pesat tanpa diimbangi peningkatan produksi pertanian dapat memicu krisis pangan global. Penelitian ini bertujuan untuk mengidentifikasi tingkat kematangan buah mangga menggunakan algoritma YOLO versi 11, yang diharapkan dapat meningkatkan efisiensi dalam pengelolaan hasil pertanian. Metode yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM), dengan pengumpulan data citra buah mangga sebagai sampel. Hasil penelitian menunjukkan bahwa model dapat mendeteksi buah mangga matang dengan akurasi 100%, sedangkan untuk mangga yang belum matang, akurasi mencapai 68%. Temuan ini menunjukkan bahwa meskipun model efektif, masih ada ruang untuk perbaikan dalam mengidentifikasi mangga yang belum matang. Kesimpulan dari penelitian ini adalah bahwa penerapan teknologi berbasis YOLO dapat memberikan kontribusi signifikan dalam meningkatkan produktivitas pertanian dan membantu petani dalam pemilahan hasil panen secara cepat dan akurat, yang penting untuk mendukung ketahanan pangan di masa depan.
Downloads
References
R. R. Rachmawati, “SMART FARMING 4.0 UNTUK MEWUJUDKAN PERTANIAN INDONESIA MAJU, MANDIRI, DAN MODERN,” Forum penelitian Agro Ekonomi, vol. 38, no. 2, p. 137, Jun. 2021, doi: 10.21082/fae.v38n2.2020.137-154.
J. Sondakh, J. H. W. Rembang, and N. Syahyuti, “KARAKTERISTIK, POTENSI GENERASI MILENIAL DAN PERSPEKTIF PENGEMBANGAN PERTANIAN PRESISI DI INDONESIA,” Forum penelitian Agro Ekonomi, vol. 38, no. 2, p. 155, Jun. 2021, doi: 10.21082/fae.v38n2.2020.155-166.
Revina Devitani Putri and Irshan Zainuddin, “PENGGUNAAN SMART FARMINGDALAM INDUSTRI TERPADU KOMODITAS KAMBING DI KABUPATEN KARAWANG,” 2024.
Solikin, “Deteksi Penyakit Pada Tanaman Mangga Dengan Citra Digital : Tinjauan Literatur Sistematis (SLR),” BINA INSANI ICT JOURNAL, vol. 7, no. 1, pp. 63–72, 2020.
R. A. Putri, E. Chumaidiyah, and W. Tripiawan, “PERANCANGAN SISTEM BISNIS ONLINE BERBASIS SISTEM INFORMASI WEBSITE PADA PERKEBUNAN MANGGA XYZ INDRAMAYU.”
E. Kurnadi, N. Hernita, and U. Majalengka, “PENGARUH HARGA DAN KUALITAS PRODUK TERHADAP PENJUALAN (Studi Pada Pedagang Buah Mangga di Kabupaten Majalengka),” 2022.
A. M. Simarmata, A. Zizwan Putra, and A. Mahmud Husein, “Penerapan Metode Computer Vision Dalam Klasifikasi Buah Jeruk Menggunakan Teknik Image Pre-Processing,” vol. 3, no. 2, 2023, doi: 10.47709/dsi.v3i2.4010.
R. Kurniawan, A. T. Martadinata, and S. D. Cahyo, “Klasifikasi Tingkat Kematangan Buah Sawit Berbasis Deep Learning dengan Menggunakan Arsitektur Yolov5,” Journal of Information System Research (JOSH), vol. 5, no. 1, pp. 302–309, Oct. 2023, doi: 10.47065/josh.v5i1.4408.
A. Zaffar, M. Jawad, M. Shabbir, P. O. Factory, and W. Cantt, “A Novel CNN-RNN Model for E-Cheating Detection Based on Video Surveillance,” 2022.
R. Akyas hifdzi Rahman and A. Adi Sunarto, “PENERAPAN YOU ONLY LOOK ONCE (YOLO) V8 UNTUK DETEKSI TINGKAT KEMATANGAN BUAH MANGGIS,” 2024.
S. N. Luqman et al., “Komparasi Algoritma Klasifikasi Genre Musik pada Spotify Menggunakan CRISP-DM,” 2021.
C. Schröer, F. Kruse, and J. M. Gómez, “A systematic literature review on applying CRISP-DM process model,” in Procedia Computer Science, Elsevier B.V., 2021, pp. 526–534. doi: 10.1016/j.procs.2021.01.199.
R. Khanam and M. Hussain, “YOLOv11: An Overview of the Key Architectural Enhancements,” Oct. 2024, [Online]. Available: http://arxiv.org/abs/2410.17725.
N. Jegham, C. Y. Koh, M. Abdelatti, and A. Hendawi, “Evaluating the Evolution of YOLO (You Only Look Once) Models: A Comprehensive Benchmark Study of YOLO11 and Its Predecessors,” Oct. 2024, [Online]. Available: http://arxiv.org/abs/2411.00201.
Q. Antoko Mohti, R. Wahyudi, and M. Habib Mustofa, “Penerapan Metode Yolo V5 Dalam MendeteksiPenyakitTanamanBuah Naga,” 2024.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Muhammad Miftahul Huda, Kukhuh Agung Prasetyo, Muhammad Ariel Rizqi Vieri, Resty Wulanningrum, Made Ayu Dusea Widya Dara
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:
- Copyright on any article is retained by the author(s).
- 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.
- 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.
- 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.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
