DETEKSI PENYAKIT PADA TANAMAN CABAI BERBASIS DEEP LEARNING MENGGUNAKAN MODEL YOLOv11-L

Abstract

Penyakit pada tanaman cabai sering menyebabkan terjadinya penurunan produktivitas yang signifikan bagi para petani. Deteksi dini merupakan salah satu langkah yang dapat diambil untuk mengantisipasi hal ini, namun jika dilakukan secara manual tentu memerlukan waktu lama. Penelitian ini bertujuan untuk mengembangkan model deteksi dini khususnya pada tanaman cabai menggunakan algoritma YOLOv11-L. Metode penelitian meliputi pengumpulan dataset sebanyak 450 citra tanaman cabai yang terdiri dari tanaman cabai sehat, antraknosa, daun bercak cokelat, layu fusarium, virus kuning, dan daun keriting dengan masing-masing data berjumlah 75 citra. Hasil terbaik dari pelatihan model deteksi memperoleh mAP@50 sebesar 64,42% dengan hasil pengujian menggunakan data uji sebanyak 45 citra memperoleh tingkat keberhasilan deteksi sebesar 93,33% dengan kesalahan sebesar 6,67%. Hasil ini menunjukkan bahwa model YOLOv11-L cukup efektif digunakan sebagai alat bantu yang dapat digunakan oleh para petani dalam mengidentifikasi kesehatan tanaman cabai dengan cepat untuk mencegah terjadinya gagal panen.