SISTEM PENDETEKSI DAN PENGHITUNG POLEN HIDUP DAN MATI PADA TANAMAN KELAPA SAWIT MENGGUNAKAN ALGORITMA YOLO V5 BERBASIS ARTIFICIAL INTELLIGENCE

AHLUL HALLIWAL, AQDI (2023) SISTEM PENDETEKSI DAN PENGHITUNG POLEN HIDUP DAN MATI PADA TANAMAN KELAPA SAWIT MENGGUNAKAN ALGORITMA YOLO V5 BERBASIS ARTIFICIAL INTELLIGENCE. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF Abstrak.pdf Download (7Kb) | Preview
	File PDF Skripsi Full.pdf Restricted to Hanya staf Download (3600Kb) | Minta salinan
Preview	File PDF Skripsi Full Tanpa BAB Pembahasan.pdf Download (3593Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Teknologi saat ini telah mengalami perkembangan yang sangat pesat dan memiliki peranan penting dalam perubahan pola kehidupan manusia. Salah satu perkembangan teknologi itu adalah Artificial Intelligence (AI). Dalam industri pertanian, juga perlu adanya implementasi AI dalam mendukung pertanian berkelanjutan. Salah satunya yaitu implementasi AI pada industri kelapa sawit di Indonesia. Pada industri kelapa sawit, kebutuhan akan bahan tanam kelapa sawit yang berkualitas tinggi sangat diperlukan untuk menunjang perkembangan perkebunan kelapa sawit di Indonesia. Salah satu upaya yang dilakukan dalam menghasilkan bahan tanam kelapa sawit berkualitas tinggi yaitu dengan melakukan persilangan atau penyerbukan buatan. Keberhasilan dari proses penyerbukan buatan ini dipengaruhi olen polen dari bunga jantan tanaman kelapa sawit, sehingga perlu diketahui viabilitas dari polen tersebut. Proses yang dilakukan dalam mengetahui viabilitas polen ini menggunakan algoritma YOLO V5. Dalam hal ini, terdapat beberapa model yang dilatih untuk mendapatkan nilai presisi yang paling tinggi diantaranya, YOLO V5S dengan nilai presisi 0,9121, YOLO V5M dengan nilai presisi 0,9183, YOLO V5L dengan nilai presisi 0,9204, serta YOLO V5X dengan nilai presisi 0,9196. Dari hasil pelatihan model tersebut, YOLO V5L memiliki nilai presisi tertinggi sehingga digunakan untuk mendeteksi dan menghitung viabilitas polen. Hasil dari pengujian ini didapatkan nilai presisi 99,59%, recall 97,88%, dan akurasi 97,80%. Kata kunci: Artificial Intelligence, polen, algoritma YOLO V5.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit:	2301238956 . Digilib
Date Deposited:	21 Jun 2023 03:02
Terakhir diubah:	21 Jun 2023 03:02
URI:	http://digilib.unila.ac.id/id/eprint/72618

Actions (login required)

Lihat Karya Akhir