<![CDATA[Mangga (Mangifera indica L.) merupakan komoditas pertanian penting di Indonesia yang mengalami penurunan produktivitas dalam beberapa tahun terakhir akibat serangan hama dan penyakit. Pengetahuan yang terbatas tentang identifikasi dan penanganan masalah ini oleh para petani menjadi salah satu faktor penyebabnya. Oleh karena itu, penelitian ini memiliki tujuan untuk menentukan hyperparameter berdasarkan parameter epoch pada kinerja model pra-latih YOLOv5 dalam mendeteksi hama dan penyakit pada daun mangga. Penelitian ini dilakukan di kebun mangga Institut Teknologi Sumatera, Lampung Selatan, pada periode Oktober hingga Desember 2023. Pengambilan dataset dilakukan dengan menggunakan kamera handphone dan melibatkan 1000 gambar yang termasuk dalam empat klasifikasi: daun sehat, daun terserang kutu putih, daun terserang ulat daun, dan daun terkena hawar daun. Proses anotasi data dilakukan menggunakan platform Roboflow, dan dataset dibagi menjadi tiga bagian: 70% training, 20% validasi, dan 10% testing. Penelitian ini melakukan 2 kali training dengan menggunakan hyperparameter epoch yaitu 200 dan 300. Berdasarkan parameter training untuk total nilai loss pada epoch 200 adalah 0,0324 sedangkan pada epoch 300 didapatkan nilai 0,0342. Parameter validasi menunjukkan nilai mAP pada ambang 0,5 mencapai 0,9546 dan untuk nilai mAP pada ambang 0,5-0,95 memiliki nilai 0,7269 sedangkan pada epoch 300 nilai mAP pada ambang 0,5-0,95 adalah 0,9441 serta nilai mAP pada ambang 0,5-0,95 didapatkan nilai sebesar 0,7357. Berdasarkan parameter testing sebagai evaluasi sistem, pada epoch 200 didapatkan nilai mAP 90,05% serta untuk epoch 300 didapatkan nilai mAP sebesar 85%. Berdasarkan keseluruhan parameter kinerja sistem didapatkan hyperparameter terbaik epoch pada penelitian ini adalah 200. Oleh karena itu sistem ini dapat digunakan untuk mendeteksi daun mangga yang rusak karena terserang kutu putih, ulat daun serta daun sakit karena hawar daun.]]>
