Sistem Deteksi Otomatis Buah Berbasis Computer Vision Menggunakan YOLO
DOI:
https://doi.org/10.29407/dyjpew78Keywords:
Android, Computer Vision, Deteksi buah, Real-time, YOLOv8Abstract
Proses identifikasi dan penyortiran buah secara manual dinilai kurang efisien dan subjektif, sehingga diperlukan otomatisasi menggunakan teknologi Computer Vision. Penelitian ini bertujuan mengembangkan aplikasi deteksi buah real-time pada perangkat Android menggunakan algoritma YOLOv8 yang dioptimalkan untuk efisiensi komputasi mobile. Metode penelitian menerapkan pendekatan eksperimental yang meliputi pengumpulan 8.481 citra dataset multi-kelas, teknik augmentasi data, serta pelatihan model menggunakan framework PyTorch selama 50 epoch. Hasil pengujian menunjukkan bahwa model memiliki karakteristik konservatif dengan rata-rata Precision sebesar 66% dan Recall 45%. Variasi performa sangat dipengaruhi oleh kompleksitas visual objek, di mana buah dengan fitur distingtif seperti semangka memiliki akurasi lebih tinggi dibandingkan objek kecil yang bergerombol seperti anggur. Secara fungsional, sistem berhasil diintegrasikan ke dalam lingkungan Android dan mampu melakukan inferensi secara lancar tanpa hambatan yang berarti. Penelitian ini menyimpulkan bahwa arsitektur YOLOv8 terbukti efektif sebagai solusi portabel yang ringan untuk identifikasi buah di lapangan, meskipun pengayaan variasi dataset masih diperlukan untuk meningkatkan sensitivitas model terhadap kondisi latar belakang yang kompleks.
Downloads
References
[1] R. A. H. Rahman, A. A. Sunarto, dan Asriyanik, "Implementasi YOLOv8 untuk Deteksi dan Klasifikasi Tingkat Kematangan Buah Mangga Berdasarkan Citra Digital," Jurnal Algoritma, vol. 20, no. 2, 2023.
[2] F. Satria dan E. Poerwandono, "Optimasi YOLOv8 untuk Klasifikasi Kematangan Mangga pada Aplikasi Mobile Berbasis Flutter," Jurnal Teknoinfo, vol. 18, no. 1, 2024.
[3] I. A. Prasetya, F. Sukandiarsyah, N. A. Fitri, dan S. Adam, "Penerapan Metode Kecerdasan Buatan dalam Sistem Klasifikasi dan Deteksi Mutu Buah Jeruk," Jurnal Komputer Terapan, vol. 9, no. 2, 2023.
[4] A. A. S. Mustofa, R. Wulanningrum, dan J. Sahertian, "Deteksi dan Klasifikasi Kue Tradisional Indonesia Menggunakan YOLOv8," Jurnal Ilmiah NERO, vol. 10, no. 1, 2025.
[5] M. R. Pratama dan J. Aryanto, "Deteksi dan Klasifikasi Kematangan Pisang menggunakan YOLOv8 dan Model Hibrida MobileNetV2-KNN," Edumatic: Jurnal Pendidikan Informatika, vol. 9, no. 3, hal. 787-796, 2025.
[6] Anthony, Herman, dan A. Yulianto, "Pengembangan Sistem Pengenalan Plat Nomor Indonesia Menggunakan YOLOv8 dan Easy OCR," Jurnal Ilmiah KOMPUTASI, vol. 23, no. 4, 2024.
[7] R. Wulanningrum, A. N. Handayani, dan A. P. Wibawa, "Penggunaan Algoritma YOLOv8 dalam Mendeteksi Pejalan Kaki," Jurnal Simetris, vol. 14, no. 2, 2023.
[8] Mihuandayani, W. H. S. Pesik, S. Mamuaya, A. N. Putra, dan E. Mulyaman, "Implementasi YOLOv8 untuk Deteksi dan Hitung Objek Manusia dengan Convolutional Neural Network," Jurnal Ilmiah Teknologi Sistem Informasi, vol. 4, hal. 27-35, 2024.
[9] C. B. Valentino dan D. Hermanto, "Penerapan Yolov8 untuk Identifikasi Makanan Khas Palembang dan Integrasi Text-to-Speech," Jurnal Algoritme, vol. 5, no. 2, hal. 131–139, 2025.
[10] R. Pusparina A dan R. Rahmadewi, "Deteksi Objek Berbasis YOLOv8 untuk Mendukung Keselamatan Kerja di Lokasi Konstruksi," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 2, hal. 3188-3195, 2025.
[11] N. Y. D. Rahmawati dan F. P. Rochim, "Chili Ripeness Level Detection with YOLOv8 and Fuzzy Logic for Harvest Decision Making," Jurnal Teknik Pertanian Lampung, vol. 14, no. 5, hal. 1807-1818, 2025.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Alfin Afriza Maulana
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
