<![CDATA[Menurut data terbaru, tingkat kecukupankonsumsi protein masyarakat Indonesia masih dibawah 80%. Mikroalga Spirulina dan Chlorellaberpotensi sebagai alternatif sumber protein dengankandungan gizi tinggi dan kemudahan budidaya.Namun, kultivasi mikroalga memerlukan pemantauankonsentrasi yang akurat untuk pemanenan optimal.Metode manual seringkali lambat dan rentan humanerror, sementara teknologi otomatis terdahulu memilikiketerbatasan dalam deteksi jenis dan kepadatan.Penelitian ini merancang dan mengimplementasikansistem pemantauan mikroalga berbasis citramikroskop dan deep learning menggunakan YOLOv8instance segmentation secara portabel. Sistem yangdibangun mengintegrasikan hardware berupa sisteminstrumen akuisisi dan sistem backlighting sertaaplikasi Android untuk menampilkan hasil analisissistem deep learning. Hasil pengujian menunjukkanpeningkatan performa model seiring epoch, mencapaiprecision 0.793, recall 0.777, dan mAP 0.794 pada epochke-20. Sistem ini mampu beradaptasi dengan berbagaiintensitas cahaya eksternal berkat sistem backlightingyang dapat beroperasi selama 10 jam dengan sisa daya40%. Sistem aplikasi Android menyediakan UI/UXintuitif dengan fitur lengkap dan stabil sebagaiplatform pemantauan. Penelitian ini diharapkan dapatberkontribusi pada kultivasi mikroalga dan menjadidasar pengembangan sistem pemantauan mikroalga dimasa depan.Kata kunci: Mikroalga, Chlorella, Spirulina, Deep Learning,YOLOv8.]]>
