Deteksi Biji-Bijian Familia Poaceae Menggunakan YOLOv8 Transfer Learning Berbasis Web

Fitra Maulana; Tomi Tri Sujaka; Muhamad Azwar

doi:10.31004/riggs.v5i2.12723

Authors

Fitra Maulana Universitas Bumigora
Tomi Tri Sujaka Universitas Bumigora
Muhamad Azwar Universitas Bumigora

DOI:

https://doi.org/10.31004/riggs.v5i2.12723

Keywords:

Famili Poaceae, Deteksi Objek, Transfer Learning, YOLOv8, Website

Abstract

Famili Poaceae mencakup berbagai komoditas pangan penting, seperti padi, jagung, gandum, oat, sorgum, barley, dan millet, yang memiliki karakteristik visual hampir serupa sehingga proses identifikasi manual rentan terhadap kesalahan. Penelitian ini bertujuan mengembangkan sistem deteksi biji-bijian Famili Poaceae berbasis web menggunakan algoritma YOLOv8 dengan pendekatan transfer learning. Penelitian menerapkan metode eksperimen yang meliputi pengumpulan dan pelabelan data, prapemrosesan, pembagian dataset, pelatihan model, evaluasi performa, serta implementasi sistem. Dataset terdiri atas 3.500 citra dari tujuh kelas, dengan masing-masing kelas berjumlah 500 citra, yang dibagi menjadi 70% data pelatihan, 15% data validasi, dan 15% data pengujian. Model dilatih menggunakan PyTorch dan Ultralytics YOLOv8 pada Google Colab Pro dengan GPU NVIDIA A100, ukuran citra 640 × 640 piksel, batch size 64, dan optimizer AdamW. Model terbaik kemudian diintegrasikan ke dalam aplikasi web menggunakan Streamlit agar pengguna dapat mengunggah citra atau menggunakan kamera secara langsung. Hasil pengujian menunjukkan nilai precision sebesar 71,6%, recall 73,2%, mAP50 75,7%, dan mAP50-95 46,9%. Kelas jagung memperoleh performa terbaik dengan mAP50 95,9%, sedangkan kelas padi memperoleh nilai terendah sebesar 64,5%. Sistem yang dikembangkan mampu mendeteksi tujuh jenis biji-bijian secara otomatis, cepat, dan mudah diakses, sehingga berpotensi membantu masyarakat, petani, dan penyuluh pertanian dalam proses identifikasi serta mendukung digitalisasi sektor pertanian.

Downloads

Download data is not yet available.

References

[1] A. Agustin et al., “Keanekaragaman Famili Poaceae Di Wilayah Kampus I UIN Sunan Gunung Djati Bandung,” vol. 2, no. 4, 2024.

[2] J. Barat, “Inventarisasi dan Identifikasi Jenis Tumbuhan Famili Poaceae di Sekitar,” vol. 1, no. 2, 2023.

[3] X. Cong, S. Li, F. Chen, C. Liu, and Y. Meng, “A Review of YOLO Object Detection Algorithms based on Deep Learning,” vol. 4, no. 2, pp. 2–5, 2023.

[4] I. Abdillah, “Klasifikasi Jenis Jagung Berdasarkan Bentuk Biji Menggunakan Metode You Only Look Once ( YOLO ),” vol. 5, no. 2, pp. 215–226, 2023, doi: 10.33650/jeecom.v4i2.

[5] D. Arsitektur and V. Yolo, “klasifikasi kualitas buah jeruk menggunakan computer vision dengan arsitektur yolo v8,” vol. 13, no. 2, pp. 187–201, 2024, doi: 10.31571/saintek.v13i2.8346.

[6] N. Suwela and M. Z. Hedriyadi, “Deteksi Jenis Sampah Menggunakan Metode Transfer Learning YOLO-V8,” vol. 7, no. 1, pp. 61–74, 2025.

[7] F. Hidayah and Y. Kristian, “Identifikasi Kerusakan Badan Kontainer Pada Waktu Pengiriman Berdasarkan Citra CCTV Memanfaatkan YOLO dan Deep Transfer Learning Identification of Container Body Damage During Delivery Based on CCTV Images Using YOLO and Deep Transfer Learning,” vol. 13, no. 1, pp. 10–17, 2024, doi: 10.34148/teknika.v13i1.718.

[8] S. Cheng, L. Chen, and K. Yang, “DGSS-YOLOv8s : A Real-Time Model for Small and Complex Object Detection in Autonomous Vehicles,” pp. 1–20, 2025.

[9] D. Kurniadi, A. A. Latif, A. Mulyani, and H. Aulawi, “Benchmarking YOLOv8 Variants with Transfer Learning

for Real-Time Detection and Classification of Road Cracks and Potholes,” vol. 9, no. 4, pp. 771–780, 2025.

[10] M. Waruwu, S. Natijatul, P. R. Utami, and E. Yanti, “Metode Penelitian Kuantitatif : Konsep , Jenis , Tahapan dan Kelebihan,” vol. 10, pp. 917–932, 2025.

[11] H. Dermawan and A. Hasibuan, “Metode Penelitian Eksperimen : Prinsip , Prosedur , dan Aplikasi dalam Penelitian Ilmiah,” pp. 4–7, 2025.

[12] M. Talib, “YOLOv8-CAB : Improved YOLOv8 for Real-time object detection YOLOv8-CAB : Improved YOLOv8 for Real-time object detection,” vol. 10, no. 1, 2024.

[13] S. Purwanti et al., “DESAIN SISTEM INFORMASI MENGGUNAKAN UNIFIED MODELING LANGUAGE ( UML ) Pendahuluan Kajian Teori Metode Hasil dan Pembahasan,” vol. 11, no. 1, pp. 32–38, 2024.

[14] J. M. Polgan et al., “Evaluasi Performa Yolov8 Dalam Deteksi Objek Di Depan Kendaraan Dengan Variasi Kondisi Lingkungan,” vol. 13, pp. 1755–1773, 2024.

[15] A. Rismayanti et al., “DETEKSI DAN KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA HARUM MANIS MENGGUNAKAN YOU ONLY LOOK ONCE ( YOLO ) V8,” vol. 9, no. 3, pp. 3645–3654, 2025.