<![CDATA[Penentuan tingkat kesiapan panen kangkung potong umumnya masih dilakukan secara manual melalui pengamatan visual petani yang bersifat subjektif sehingga rentan menimbulkan ketidakkonsistenan dan memengaruhi kualitas serta nilai jual hasil panen. Penelitian ini bertujuan mengimplementasikan algoritma YOLOv12 untuk mendeteksi tingkat kesiapan panen kangkung potong ke dalam dua kelas, yaitu siap panen dan belum panen, secara real-time pada perangkat Android. Dataset terdiri atas 3.556 citra yang dikumpulkan dari repositori publik, kemudian dianotasi, dipra-pemrosesan, dan dibagi dengan proporsi 70:20:10, dengan augmentasi diterapkan hanya pada subset data latih. Model YOLOv12s dilatih selama 100 epoch pada Google Colab, lalu dikonversi ke format ONNX agar dapat dijalankan langsung di perangkat melalui ONNX Runtime. Hasil evaluasi menunjukkan model memperoleh precision 0,841, recall 0,888, mAP50 0,914, dan mAP50-95 0,539, dengan performa terbaik pada kelas siap panen (recall 0,990). Sistem berhasil diimplementasikan menjadi aplikasi Android Kangkung Detector dan diuji menggunakan black box testing yang seluruh fungsinya berjalan sesuai harapan, serta usability testing terhadap 25 responden dengan rata-rata penerimaan 92,08%. Dengan demikian, YOLOv12 berhasil diimplementasikan pada perangkat Android untuk mendeteksi tingkat kesiapan panen kangkung potong dengan akurasi yang baik pada data uji, sehingga berpotensi membantu petani menentukan waktu panen secara lebih objektif dan konsisten.]]>
Copyrights © 2026
