Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Maliana, Diah Gusmia
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 1 Documents
Search

 1 
Deteksi Objek Tanaman Tomat Dan Hama Tanaman Menggunakan YOLO-v9 Maliana, Diah Gusmia; Wulanningrum, Resty; Rochana, Siti
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/d7amcs03

Abstract

Tomat (Solanum lycopersicum L.) merupakan tanaman yang banyak ditanam di dunia karena gizinya yang tinggi dan memungkinkan produksi di sepanjang tahun. Meskipun demikian, tomat merupakan tanaman yang rentan mengalami kerusakan sehingga mengurangi produktivitas dan akan menyebabkan kerugian apabila tidak segera ditangani, penyebab dari kerusakan tanaman tomat itu sendiri diantaranya adalah penyakit dan hama serangga. Hama ulat dan belalang merupakan hama yang umum ditemui pada tanaman tomat dimana apabila hama tersebut tidak segera diatasi maka akan menyebabkan kerusakan pada tanaman. Untuk membantu mengidentifikasi adanya hama sekaligus mengenali bagian-bagian tanaman tomat diperlukan bantuan teknologi yakni computer vision. Pada penelitian ini computer vision akan digunakan untuk mendeteksi bagian-bagian tanaman tomat serta tingkat kematangan buah tomat yakni unripe tomato, semi ripe tomato, dan ripe tomato. Sebanyak 368 dataset kemudian dibagi menjadi 3 bagian yakni train set sebanyak 70%, valid set sebanyak 20%, dan test set sebanyak 10%. Pengujian menggunakan model YOLO-v9e mendapatkan hasil dengan performa terbaik pada kelas grasshopper dan caterpillar, serta mendapatkan performa yang cukup baik pada kelas ripe_tomato, semi_ripe_tomato, dan unripe_tomato, dan mendapatkan performa terendah pada kelas stem dan leaf.
Co-Authors Resty Wulanningrum Rochana, Siti