<![CDATA[Penilaian konvensional terhadap tingkat kematangan buah mangga umumnya didasarkan pada observasi visual. Pendekatan manual ini memiliki keterbatasan karena sangat bergantung pada pengalaman individu serta faktor lingkungan, menjadikannya rentan terhadap inefisiensi dan ketidakakuratan pada operasi skala besar. Untuk mengatasi hal ini, kami mengusulkan solusi otomatis berbasis deep learning melalui implementasi YOLOv8 (You Only Look Once versi 8) untuk klasifikasi kematangan buah mangga. Kami menggunakan dataset yang mencakup 2.328 citra dari Roboflow Universe, yang dikelompokkan menjadi tiga status: mentah, terlalu matang, dan matang. Model dilatih selama 50 epoch dengan resolusi 640 X 640 piksel. Hasil evaluasi menggunakan metrik Precision, Recall, mAP, dan Confusion Matrix menunjukkan kinerja yang superior. Model mencapai mAP50 sebesar 0,84497, mAP50–95 sebesar 0,86308, dan akurasi total 92,13%. Temuan ini mengindikasikan bahwa YOLOv8 merupakan metode deteksi dan klasifikasi yang stabil, cepat, dan efektif untuk pengenalan kematangan buah, sangat mendukung implementasi Smart Farming 4.0.]]>
Copyrights © 2026
