Identifikasi Kerusakan Buah Kakao Akibat Serangan Hama Menggunakan Algoritma Yolov9 Identifikasi Kerusakan Buah Kakao Akibat Serangan Hama Menggunakan Algoritma Yolov9

Main Article Content

Andi Syam Aswandi Ingrid Nurtanio Abdul Jalil

Abstract

Pertanian di Indonesia memiliki peran penting dalam perekonomian nasional, dengan kakao sebagai salah satu komoditas utama. Indonesia merupakan produsen kakao terbesar ketiga di dunia. Namun, produktivitas kakao sering terganggu oleh serangan hama. Penelitian ini bertujuan untuk mengidentifikasi kerusakan buah kakao akibat serangan hama menggunakan algoritma YOLOv9 berbasis pengolahan citra. Fokus penelitian ini adalah hama penggerek buah kakao (Conopomorpha cramerella) dan hama penghisap buah kakao (Helopeltis spp.), yang dipilih karena dampaknya yang signifikan terhadap penurunan kualitas dan kuantitas hasil panen. Algoritma YOLOv9 dipilih karena keunggulannya dalam mendeteksi objek dengan akurasi tinggi dan kecepatan pemrosesan. Hasil penelitian menunjukkan bahwa model YOLOv9 mampu mengidentifikasi kerusakan dengan akurasi yang tinggi, mencapai mAP sebesar 99.5%. Dengan hasil ini, model yang dikembangkan dapat menjadi alat yang efektif untuk mendukung petani dalam memantau dan mengelola serangan hama secara lebih efisien. Penggunaan YOLOv9 dalam identifikasi kerusakan buah kakao diharapkan dapat memberikan solusi yang lebih efektif dalam mengurangi risiko penurunan hasil panen akibat serangan hama. Selain itu, teknologi ini membuka peluang untuk diintegrasikan dalam aplikasi mobile smart farming, sistem sortir buah kakao, dan sistem monitoring otomatis guna meningkatkan hasil panen kakao di Indonesia.


Kata kunci: Kakao, Hama, Citra, YoloV9

Article Details

How to Cite
Aswandi, A., Nurtanio, I., & Jalil, A. (2025). Identifikasi Kerusakan Buah Kakao Akibat Serangan Hama Menggunakan Algoritma Yolov9. Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics, 11(1), 40-48. https://doi.org/https://doi.org/10.33050/cerita.v11i1.3483
Section
Articles