Penerapan Algoritma Yolov8 Dalam Deteksi Kualitas Daun Ketapang Kering Untuk Proses Ekspor (Studi Kasus : Proses Penyortiran Daun Ketapang Kering)

Abstract

Daun ketapang kering kaya akan senyawa aktif yang berfungsi sebagai antibiotik alami dan mampu menurunkan pH air. Hal ini menjadikannya sangat bermanfaat dalam industri budidaya udang dan ikan cupang. Dalam dunia ekspor, standar mutu dan kriteria kualitas produk yang ditetapkan oleh negara tujuan menjadi faktor penting untuk menjaga keberlanjutan dan daya saing di pasar internasional. Salah satu faktor penting yang menjadi tantangan bagi daun ketapang kering adalah kualitas daun. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis menggunakan algoritma YOLOv8 guna menilai kualitas daun ketapang kering, yang terdiri dari kategori Daun Belum Kering, Kering Layak, dan Rusak. Dataset yang digunakan terdiri dari 1.152 citra daun ketapang yang diperoleh secara langsung dan diberikan label menggunakan Roboflow. Data tersebut kemudian dibagi menjadi 70% data training, 20% data validation, dan 10% data testing. Pelatihan model dilakukan dengan parameter epoch 25 dan 50, batch size 8 dan 16, serta menggunakan tiga varian model YOLOv8, yaitu YOLOv8n, YOLOv8s, dan YOLOv8m. Evaluasi model dilakukan menggunakan metrik precision, recall, f1-score, mAP50, dan mAP50-95 untuk menentukan model terbaik. Berdasarkan hasil evaluasi, model YOLOv8n dengan 50 epoch dan batch size 8 menunjukkan performa terbaik, dengan nilai mAP50 mencapai 97,8%. Dengan demikian, eksportir dapat meminimalkan ketergantungan pada penilaian manual yang rentan terhadap kesalahan, sehingga penyortiran daun ketapang kering sebelum di ekspor menjadi lebih efisien dan akurat.