Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Insect (Informatics and Security) : Jurnal Teknik Informatika
Fajar Rahardika
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Sorong
Computer Science & IT Control & Systems Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Algoritma YOLOv12 Untuk Deteksi Tingkat Kesiapan Panen Kangkung Potong Secara Realtime Berbasis Android Muhammad Rizki Setyawan; Fajar Rahardika; Suhardi Aras; Dimas Adi Suseno; Andini Setyaningsi
Insect (Informatics and Security): Jurnal Teknik Informatika Vol. 12 No. 2 (2026): Oktober 2026
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/insect.v12i2.5910

Abstract

Penentuan tingkat kesiapan panen kangkung potong umumnya masih dilakukan secara manual melalui pengamatan visual petani yang bersifat subjektif sehingga rentan menimbulkan ketidakkonsistenan dan memengaruhi kualitas serta nilai jual hasil panen. Penelitian ini bertujuan mengimplementasikan algoritma YOLOv12 untuk mendeteksi tingkat kesiapan panen kangkung potong ke dalam dua kelas, yaitu siap panen dan belum panen, secara real-time pada perangkat Android. Dataset terdiri atas 3.556 citra yang dikumpulkan dari repositori publik, kemudian dianotasi, dipra-pemrosesan, dan dibagi dengan proporsi 70:20:10, dengan augmentasi diterapkan hanya pada subset data latih. Model YOLOv12s dilatih selama 100 epoch pada Google Colab, lalu dikonversi ke format ONNX agar dapat dijalankan langsung di perangkat melalui ONNX Runtime. Hasil evaluasi menunjukkan model memperoleh precision 0,841, recall 0,888, mAP50 0,914, dan mAP50-95 0,539, dengan performa terbaik pada kelas siap panen (recall 0,990). Sistem berhasil diimplementasikan menjadi aplikasi Android Kangkung Detector dan diuji menggunakan black box testing yang seluruh fungsinya berjalan sesuai harapan, serta usability testing terhadap 25 responden dengan rata-rata penerimaan 92,08%. Dengan demikian, YOLOv12 berhasil diimplementasikan pada perangkat Android untuk mendeteksi tingkat kesiapan panen kangkung potong dengan akurasi yang baik pada data uji, sehingga berpotensi membantu petani menentukan waktu panen secara lebih objektif dan konsisten.
Co-Authors Andini Setyaningsi Dimas Adi Suseno Muhammad Rizki Setyawan Suhardi Aras