Sistem Deteksi Hama Burung Berbasis Object Detection Menggunakan Algoritma You Only Look Once (YOLO)

Arifa, Annisa Syahbania (2026) Sistem Deteksi Hama Burung Berbasis Object Detection Menggunakan Algoritma You Only Look Once (YOLO). S1 thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
01. Cover & Abstrak.pdf - Published Version

Download (563kB)
[img] Text (Bab I)
02. BAB I.pdf - Published Version

Download (3MB)
[img] Text (Bab V)
03. BAB V.pdf - Published Version

Download (12MB)
[img] Text (Daftar Pustaka)
04. Daftar Pustaka.pdf - Published Version

Download (12MB)
[img] Text (Skripsi Fulltext)
05. Skripsi Fulltext.pdf - Published Version
Restricted to Repository staff only

Download (12MB) | Request a copy

Abstract

Keterbatasan respon manual petani terhadap kemunculan hama burung menyebabkan pengendalian hama pada lahan pertanian sulit dikendalikan secara efektif dari segi waktu dan tenaga. Penelitian ini bertujuan membangun sistem yang mampu mendeteksi hama burung, memberikan respon pengusiran otomatis dan menyampaikan informasi kepada petani terkait aktivitas hama burung. Untuk mencapai tujuan tersebut diusulkan sistem deteksi hama burung pada petak sawah berbasis object detection menggunakan algoritma YOLOv5n yang dijalankan pada Raspberry Pi 5. Sistem menangkap citra secara real-time, dan setelah deteksi valid, secara otomatis mengaktifkan mekanisme pengusiran serta mengirimkan notifikasi kepada petani melalui Telegram. Hasil pengujian menunjukkan sistem mampu berjalan pada kecepatan rata-rata 12–14 FPS (75–82 ms per frame) dengan tingkat akurasi deteksi 77,53%, serta tetap andal pada berbagai kondisi pencahayaan sawah. Mekanisme pengusiran merespon rata-rata 6–44 milidetik setelah deteksi valid, sementara notifikasi Telegram terkirim dengan tingkat keberhasilan 100%. Uji lapangan langsung di lahan sawah mengkonfirmasi sistem dapat mendeteksi hama burung pada kondisi nyata, memberikan respon pengusiran dan notifikasi kepada petani secara real-time, sehingga dapat membantu petani mengurangi ketergantungan pada metode pengusiran manual.

Item Type: Thesis (S1)
Supervisors: Desta Yolanda, M.T
Uncontrolled Keywords: Deteksi Hama Burung; YOLOv5n; Raspberry Pi 5; Object Detection; Sistem Real-Time
Subjects: S Agriculture > S Agriculture (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Teknologi Informasi > S1 Teknik Komputer
Depositing User: S1 Teknik Komputer
Date Deposited: 28 Aug 2026 08:45
Last Modified: 28 Aug 2026 08:45
URI: http://scholar.unand.ac.id/id/eprint/531936

Actions (login required)

View Item View Item