IMPLEMENTASI YOLOV8N DAN API GOOGLE GENERATIVE AI UNTUK ANALISIS CERDAS PENYAKIT TANAMAN

FEBRI ANANDA LUBIS, NPM 2208100024 (2026) IMPLEMENTASI YOLOV8N DAN API GOOGLE GENERATIVE AI UNTUK ANALISIS CERDAS PENYAKIT TANAMAN. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (447kB)
	Text BAB I.pdf Download (83kB)
	Text BAB II.pdf Restricted to Registered users only Download (347kB)
	Text BAB III.pdf Restricted to Registered users only Download (2MB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (15kB)
	Text DAFTAR PUSTAKA.pdf Download (77kB)

Abstract

Perkembangan teknologi kecerdasan buatan (Artificial Intelligence) khususnya dalam bidang computer vision telah memberikan peluang besar dalam meningkatkan efisiensi sektor pertanian, terutama dalam deteksi penyakit tanaman. Penelitian ini bertujuan untuk mengimplementasikan algoritma YOLOv8n dan mengintegrasikannya dengan API Google Generative AI guna menghasilkan sistem analisis cerdas penyakit tanaman yang akurat dan informatif. Sistem yang dikembangkan, yaitu AgriVision, mampu mendeteksi gejala penyakit tanaman melalui citra digital serta memberikan deskripsi dan rekomendasi penanganan secara otomatis. Metode penelitian yang digunakan adalah pendekatan kuantitatif-eksperimental dengan tahapan pengumpulan data citra, pelabelan dataset, pelatihan model YOLOv8n, serta integrasi dengan Google Generative AI. Objek penelitian meliputi lima jenis tanaman, yaitu tomat, jagung, cabai, kacang panjang, dan terong, dengan berbagai jenis penyakit daun. Evaluasi model dilakukan menggunakan metrik Precision, Recall, F1-Score, dan mean Average Precision (mAP). Hasil penelitian menunjukkan bahwa model YOLOv8n memiliki performa yang sangat baik dalam mendeteksi penyakit tanaman dengan tingkat akurasi tinggi pada sebagian besar kelas, khususnya pada penyakit dengan karakteristik visual yang jelas. Integrasi dengan Google Generative AI juga terbukti efektif dalam menghasilkan analisis deskriptif yang informatif dan rekomendasi penanganan yang relevan. Dengan demikian, sistem AgriVision dapat menjadi solusi inovatif dalam mendukung pertanian cerdas (smart agriculture), meningkatkan efisiensi deteksi penyakit, serta membantu petani dan penyuluh dalam pengambilan keputusan secara cepat dan tepat. Kata kunci: YOLOv8n, Computer Vision, Google Generative AI, Penyakit Tanaman, Smart Agriculture

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	YOLOv8n, Computer Vision, Google Generative AI, Penyakit Tanaman, Smart Agriculture
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Fakultas Sains Dan Teknologi > Teknologi Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	20 May 2026 02:18
Last Modified:	20 May 2026 02:18
URI:	http://repository.ulb.ac.id/id/eprint/2346

Actions (login required)

View Item