<![CDATA[AbstrakPenelitian ini mengembangkan sistem deteksi dan klasifikasi penyakit pada buah kakao menggunakan model YOLOv11m berbasis teknologi computer vision dan deep learning. Produksi kakao Indonesia mengalami penurunan signifikan dalam satu dekade terakhir, dengan rata-rata penurunan produksi tahunan mencapai 2,38%. Salah satu faktor utama penyebab penurunan tersebut adalah serangan penyakit pada buah kakao, seperti Black Pod Rot, Frosty Pod Rot, dan serangga Mirid, yang menghambat produktivitas perkebunan. Minimnya pengetahuan petani dalam mengidentifikasi jenis penyakit menyebabkan penanganan yang tidak tepat, sehingga diperlukan sistem deteksi otomatis berbasis teknologi untuk membantu petani mendeteksi penyakit dengan cepat dan akurat. Model deteksi yang dikembangkan dalam penelitian ini bertujuan untuk mengatasi masalah tersebut. Dataset yang digunakan terdiri dari tiga skenario: (1) dataset asli, (2) dataset yang diaugmentasi dengan Roboflow, dan (3) dataset dengan augmentasi Roboflow dan input-space oversampling. Evaluasi model menunjukkan bahwa YOLOv11m yang dilatih dengan dataset augmentasi dan oversampling menghasilkan precision 80,8%, recall 62,9%, dan mAP50 73,1% pada data uji, menunjukkan peningkatan signifikan dibandingkan dataset asli. Selain itu, pada data test, model ini mencapai precision 80,8%, recall 62,9%, dan mAP50 73,1%, yang menunjukkan kemampuan deteksi yang lebih baik. Dengan teknik augmentasi ini, penurunan recall pada beberapa kelas minoritas dapat diminimalisir.]]>
