IMPLEMENTASI YOLOV8 UNTUK DETEKSI DAN KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA BERDASARKAN CITRA DIGITAL
DOI:
https://doi.org/10.55123/storage.v4i4.6381Keywords:
Yolov8, Deteksi Kematangan Buah Mangga, Aplikasi Android, Citra Digital, Deteksi ObjekAbstract
Penelitian ini mengembangkan sistem otomatis untuk mengklasifikasikan kematangan buah mangga menggunakan algoritma YOLOv8 berbasis citra digital, guna mengatasi ketidakakuratan sortir manual oleh petani. Sistem ini menganalisis ciri visual seperti warna dan tekstur secara real-time. Hasil pengujian menunjukkan performa model yang sangat baik dengan mean Average Precision (mAP50) mencapai 94,19%, presisi 94,52%, dan recall 91,85%. Sistem ini diimplementasikan dalam aplikasi mobile untuk petani dan distributor, memperkenalkan teknologi AI guna meningkatkan efisiensi di sektor pertanian.
Downloads
References
Arkadia, A. et al. (2021) Klasifikasi Buah Mangga Badami Untuk Menentukan Tingkat Kematangan dengan Metode CNN, Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia.
Cláudio, A.P. et al. (eds.) (2020) Computer Vision, Imaging and Computer Graphics Theory and Applications. Cham: Springer International Publishing (Communications in Computer and Information Science). Available at: https://doi.org/10.1007/978-3-030-41590-7.
Gusnanto, F., Rahaningsih, N. and Dana, R.D. (2025) OPTIMASI MODEL KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA DENGAN METODE YOLO11, Jurnal Mahasiswa Teknik Informatika). Available at: https://www.kaggle.com/datasets/mutiurrehman/ripen.
Hemanto Laia, F. et al. (no date) “KLASIFIKASI KEMATANGAN BUAH MANGGA MADANI BERDASARKAN BENTUK DENGAN JARINGAN SYARAF TIRUAN METODE PERCEPTRON,” JURNAL DEVICE, 13(1), pp. 14–20.
Mulyana, D.I., Lazuardi, M.F. and Yel, M.B. (2022) “Deteksi Bahasa Isyarat Dalam Pengenalan Huruf Hijaiyah Dengan Metode YOLOV5,” Jurnal Teknik Elektro dan Komputasi (ELKOM), 4(2), pp. 145–151. Available at: https://doi.org/10.32528/elkom.v4i2.8145.
Utami, M. et al. (2020) “KARAKTERISTIK FISIKOKIMIA DAN PROFIL SENSORI MANGGA GEDONG PADA DUA TINGKAT KEMATANGAN,” Jurnal Teknologi dan Industri Pangan, 31(2), pp. 113–126. Available at: https://doi.org/10.6066/jtip.2020.31.2.113.
Wang, C.-Y. and Liao, H.-Y.M. (2024) “YOLOv1 to YOLOv10: The fastest and most accurate real-time object detection systems.” Available at: https://doi.org/10.1561/116.20240058.
Widayani, A. et al. (2024) “Review of Application YOLOv8 in Medical Imaging,” Indonesian Applied Physics Letters, 5(1), pp. 23–33. Available at: https://doi.org/10.20473/iapl.v5i1.57001.
Yi, H. et al. (2024) “Small Object Detection Algorithm Based on Improved YOLOv8 for Remote Sensing,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 17, pp. 1734–1747. Available at: https://doi.org/10.1109/JSTARS.2023.3339235.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Faldo Satria, Edhy Poerwandono
This work is licensed under a Creative Commons Attribution 4.0 International License.
