DETEKSI PENYAKIT DAUN MANGGA MENGGUNAKAN YOLOV8 BERBASIS DEEP LEARNING

Abstract

Mangga (Mangifera indica L.) merupakan komoditas hortikultura penting di Indonesia, namun produktivitasnya sering terganggu oleh penyakit dan hama yang umumnya menyerang bagian daun sebagai indikator awal kesehatan tanaman. Proses identifikasi penyakit daun mangga yang masih dilakukan secara manual memiliki keterbatasan dari segi waktu, konsistensi, dan akurasi, sehingga berpotensi menimbulkan kesalahan diagnosis. Oleh karena itu, diperlukan sistem deteksi berbasis citra digital yang mampu mendukung identifikasi penyakit secara cepat dan objektif. Penelitian ini mengembangkan sistem deteksi penyakit dan hama daun mangga menggunakan algoritma YOLOv8 berbasis deep learning. Dataset yang digunakan terdiri dari 4000 citra daun mangga dengan delapan kelas, yaitu tujuh kelas penyakit dan hama serta satu kelas daun sehat. Pengolahan data mengikuti metodologi CRISP-DM yang mencakup tahap pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Evaluasi model dilakukan menggunakan confusion matrix, F1-score, dan mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa model YOLOv8 memiliki performa deteksi yang sangat baik dengan nilai mAP50 mencapai 0,99. Model kemudian diimplementasikan ke dalam sistem berbasis web menggunakan framework Flask untuk mendukung deteksi penyakit daun mangga secara praktis.