UPT Perpustakaan Universitas Handayani

Jl. Adhyaksa Baru No. 1 Lantai 5

  • Beranda
  • Informasi
  • Berita
  • Statistik Koleksi
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Identifikasi Tingkat Kematangan Buah Kopi Dengan Teknologi Visi Komputer Menggunakan Algoritma Yolov8

Text

Identifikasi Tingkat Kematangan Buah Kopi Dengan Teknologi Visi Komputer Menggunakan Algoritma Yolov8

Andy Firwansyah - Nama Orang;

Penelitian ini bertujuan untuk mengidentifikasi tingkat kematangan buah kopi menggunakan teknologi visi komputer berbasis algoritma You Only Look Once (YOLOv8). Sistem ini dirancang untuk mendeteksi tingkat kematangan buah kopi secara otomatis dan real-time, sehingga diharapkan mampu mendukung proses panen yang lebih efektif dan berkualitas. Penentuan tingkat kematangan buah kopi sangat penting untuk menjaga kualitas biji kopi yang dihasilkan. Namun, proses identifikasi saat ini masih dilakukan secara manual, yang sering menghadapi kendala seperti keterbatasan tenaga kerja, efisiensi waktu, serta hasil identifikasi yang tidak konsisten, yang dapat memengaruhi kualitas hasil panen. Metode yang digunakan dalam penelitian adalah You Only Look Once (YOLOv8) ini melibatkan pengembangan aplikasi berbasis teknologi visi komputer
untuk mengidentifikasi tingkat kematangan buah kopi ke dalam empat kategori, yaitu mentah, setengah matang, matang, dan matang sempurna. Sistem bekerja dengan memindai objek buah kopi menggunakan kamera, di mana algoritma You Only Look Once (YOLOv8) berfungsi untuk menganalisis karakteristik visual buah kopi untuk menentukan tingkat kematangan. Hasil penelitian menunjukkan bahwa sistem identifikasi tingkat kematangan buah kopi mampu mencapai precision sebesar 100%, recall sebesar 90,9%, F1score sebesar 95,2%, dan akurasi sebesar 66,7%. Output sistem berupa klasifikasi tingkat kematangan buah kopi dalam kategori mentah, setengah matang, matang, dan matang sempurna. Meskipun akurasi keseluruhan masih perlu ditingkatkan, hasil ini menunjukkan bahwa aplikasi yang dikembangkan dapat menjadi alat bantu inovatif
untuk mendukung petani dan pelaku industri kopi dalam meningkatkan efisiensi proses panen dan memastikan kualitas biji kopi yang optimal. Dengan demikian, penelitian ini memberikan solusi berbasis teknologi yang menjanjikan untuk mengatasi tantangan dalam identifikasi tingkat kematangan buah kopi.


Ketersediaan
S250267SKR-2024 FIR iPerpustakaan Universitas Handayani MakassarTersedia
Informasi Detail
Judul Seri
-
No. Panggil
SKR-2024 FIR i
Penerbit
Universitas Handayani Makassar : Universitas Handayani Makassar., 2024
Deskripsi Fisik
i + 74 hlm; 29 x 21 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
SKR-2024 FIR i
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Ed. 1, Cet. 1
Subjek
Identifikasi
YoloV8
Buah Kopi
Teknologi visi komputer
Info Detail Spesifik
Skripsi Teknik Informatika
Pernyataan Tanggungjawab
Andy Firwansyah
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar

Anda harus login sebelum memberikan komentar

UPT Perpustakaan Universitas Handayani
  • Informasi
  • Perpanjang Mandiri
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan STMIK HANDAYANI terbentuk bersamaan dengan berdirinya STMIK HANDAYANI pada tahun 1996 sebagai sarana pen-dukung utama dalam penyelenggaraan pen-didikan dan pengajaran. Read more...

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Customized by Vinesia

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik