<![CDATA[Penelitian ini bertujuan untuk mengembangkan sistem pendeteksian penyakit pada ikan mas koki (Carassius auratus) menggunakan model YOLOv8 yang diimplementasikan pada perangkat Raspberry Pi 5. Alasan utama penelitian ini adalah pentingnya mengatasi kesulitan pembudidaya dalam mengenali gejala penyakit yang sering menyebabkan kerugian ekonomi. Dataset yang digunakan mencakup 1950 gambar, yang dibagi ke dalam folder train, valid, dan test. Metode penelitian melibatkan pelatihan model dengan 150 epoch menggunakan pustaka Ultralytics. Evaluasi kinerja dilakukan berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa YOLOv8m memiliki akurasi tertinggi sebesar 79.6%, sementara YOLOv8n menunjukkan waktu deteksi tercepat dengan rata-rata 261.04 ms pada video (FPS: 3.58). Sistem ini efektif dalam mendeteksi empat jenis penyakit ikan mas koki dengan tingkat akurasi yang baik, meskipun terdapat kekurangan pada kecepatan model YOLOv8m dan performa pada kelas tertentu seperti goldfish_septicemia. Temuan ini menunjukkan potensi besar untuk pengembangan sistem pendeteksian penyakit portabel yang hemat biaya, dengan peluang untuk meningkatkan akurasi dan efisiensi sistem melalui optimasi model dan perluasan dataset. Hasil penelitian ini diharapkan dapat membantu pembudidaya ikan hias dalam mengurangi risiko kerugian akibat penyakit.]]>
Copyrights © 2025
