<![CDATA[Hama merupakan ancaman utama dalam pertanian, terutama pada tanaman sensitif seperti hidroponik. Deteksi hama berbasis computer vision menjadi solusi potensial untuk meningkatkan efisiensi pengendalian di lapangan. Penelitian ini mengimplementasikan metode deteksi objek menggunakan model You Only Look Once versi 8 (YOLOv8) dengan dataset IP102 yang mencakup 102 kelas hama tanaman. Penelitian difokuskan pada eksplorasi hyperparameter untuk menemukan konfigurasi terbaik. Proses dimulai dengan preprocessing data melalui konversi anotasi dari format Pascal VOC ke YOLO, diikuti augmentasi data untuk meningkatkan keberagaman sampel. Model dilatih menggunakan kombinasi learning rate (0.001, 0.01, 0.05), batch size (8, 16, 32), dan tiga optimizer (SGD, Adam, AdamW). Evaluasi dilakukan menggunakan metrik precision, recall, mAP50, dan mAP50-95. Hasil menunjukkan bahwa konfigurasi default YOLOv8 (batch size 32, learning rate 0.01, dan optimizer SGD) memberikan performa terbaik dengan precision 0.530, recall 0.679, dan mAP50 sebesar 0.441. Penggunaan optimizer Adam dan AdamW menghasilkan performa yang lebih rendah. Temuan ini menunjukkan bahwa konfigurasi default YOLOv8 sudah cukup optimal untuk tugas deteksi hama multikelas pada dataset IP102.]]>
Copyrights © 2025
