<![CDATA[Tebu merupakan tanaman dari keluarga rumput-rumputan yang sangat terkenal di seluruh dunia karena perannya dalam menghasilkan gula dan etanol. Mengingat peran penting tebu, peningkatan produktivitas dan efisiensi pengelolaan tanaman menjadi sangat penting, Salah satu aspek yang memerlukan perhatian adalah masalah kesehatan tanaman tebu, yang dapat berdampak pada hasil panen dan kualitas tebu. Deteksi dini dan penanganan tepat menjadi kunci untuk mengambil tindakan pencegahan yang tepat. Penggunaan model deteksi objek seperti YOLOv8, yang menunjukkan performa superior dalam deteksi objek dengan kecepatan dan akurasi tinggi, menjadi solusi menjanjikan. Namun, tantangan utama dalam penggunaan YOLOv8 adalah kebutuhan data besar dan beragam untuk pelatihan. Teknik data augmentasi membantu mengatasi tantangan ini dengan memperluas dan memperkaya dataset melalui variasi data seperti horizontal flipping, jittering scale dan random brightness. Hasil penelitian menunjukkan bahwa penggunaan data augmentasi secara signifikan meningkatkan kinerja YOLOv8 dalam mendeteksi penyakit daun tebu, dengan peningkatan nilai mAP dari 40.3% menjadi 50.5%. Data augmentasi membantu model mengatasi overfitting dan meningkatkan kemampuan generalisasi. Penelitian ini memberikan kontribusi signifikan dalam bidang pertanian presisi, membantu petani mendeteksi penyakit secara lebih dini dan efektif, meningkatkan hasil panen, serta mengurangi kerugian akibat penyakit tanaman.]]>
Copyrights © 2024
