RANCANG BANGUN ROBOT CABLE-WAY DETEKSI PENYAKIT TANAMAN CABAI BERBASIS EMBEDDED SYSTEM MENGGUNAKAN ALGORITMA YOLOv8

Toni, Windra (2026) RANCANG BANGUN ROBOT CABLE-WAY DETEKSI PENYAKIT TANAMAN CABAI BERBASIS EMBEDDED SYSTEM MENGGUNAKAN ALGORITMA YOLOv8. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (969kB)
	Text (BAB I) BAB I.pdf - Published Version Download (4MB)
	Text (BAB V) BAB Akhir.pdf - Published Version Download (743kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (644kB)
	Text (Tugas Akhir Full Text) Tugas Akhir Ilmiah Utuh.pdf - Published Version Restricted to Repository staff only Download (11MB)

Abstract

Cabai adalah komoditas hortikultura strategis yang memerlukan pengawasan intensif terhadap serangan penyakit, terutama Bercak Daun dan Virus Kuning. Metode pengamatan manual yang masih umum digunakan memiliki kelemahan dari segi subjektivitas, keterbatasan jangkauan visual, dan sering terlewatnya gejala awal berukuran mikro. Penelitian ini mengusulkan sistem robot deteksi otonom berbasis YOLOv8 yang dijalankan pada Raspberry Pi 4 dengan penerapan metode high resolution slicing untuk mendeteksi dan mengklasifikasikan kondisi tanaman ke dalam tiga kelas: Bercak Daun, Virus Kuning, dan Daun Sehat. Dataset yang digunakan berjumlah 6.331 citra yang digunakan untuk pelatihan model, dengan hasil evaluasi lapangan mencapai recall sempurna 100% dan presisi 89,33%. Sistem terintegrasi dengan webcam 1080p, driver motor L298N untuk navigasi cable-way metode stop and go, serta fitur notifikasi IoT via Telegram. Hasil pengujian menunjukkan sistem mampu memberikan peringatan dini yang akurat dengan waktu proses rata-rata 33,16 detik per tanaman dan ketahanan daya operasional komputasi hingga 10,5 jam. Sistem ini terbukti efektif, andal, dan berpotensi menjadi solusi pertanian presisi untuk meminimalisir risiko kegagalan panen.

Actions (login required)

View Item