Deteksi Dini Hama dan Penyakit Tanaman Padi dengan Metode YOLO

Abstract

Serangan hama dan penyakit merupakan salah satu ancaman utama dalam budidaya padi yang berdampak pada penurunan produktivitas, terutama di daerah pertanian seperti Provinsi Gorontalo. Upaya identifikasi dini terhadap hama dan penyakit tanaman sangat penting untuk mencegah kerusakan yang lebih luas. Penelitian ini bertujuan untuk mengembangkan model deteksi otomatis hama dan penyakit tanaman padi menggunakan algoritma You Only Look Once (YOLO), guna mendukung proses identifikasi yang cepat dan akurat di lapangan. Metode yang digunakan dalam penelitian ini mencakup pengumpulan dataset citra tanaman padi, preprocessing dataset, serta training, evaluasi, hingga pengujian model. Performa terbaik dihasilkan oleh model menggunakan hyperparameter tuning sebanyak 223 iterasi. Model dilatih menggunakan algoritma YOLO selama 218 epoch, dengan performa terbaik dicapai pada epoch ke-118. Evaluasi model menunjukkan hasil yang menjanjikan, dengan nilai precision sebesar 0.834, recall sebesar 0.691, [email protected] sebesar 0.755, dan [email protected]–0.95 sebesar 0.457. Model berhasil mendeteksi empat jenis hama dan penyakit padi yang umum ditemukan di Gorontalo, yaitu hama putih palsu, hawar daun bakteri, blast, dan penggerek batang. Pengujian akhir menunjukkan confidence score tinggi untuk masing-masing kelas, yakni 97.73% untuk hama putih palsu, 92.23% untuk blast, 88.95% untuk hawar daun bakteri, dan 87.47% untuk penggerek batang. Hasil ini menunjukkan bahwa pendekatan berbasis YOLO efektif untuk deteksi dini, dan dapat dijadikan sebagai alat bantu preventif dalam sistem pengendalian hama dan penyakit tanaman padi.