ANALISIS PERBANDINGAN ALGORITMA YOLOV5 DAN YOLOV7 DALAM PENDETEKSIAN PENYAKIT PADI PADA RASPBERRY PI

Penyakit padi merupakan salah satu masalah utama yang sering terjadi di bidang pertanian di seluruh dunia, dimana ancaman penyakit pada tumbuhan padi dapat mempengaruhi kualitas dan kuantitas beras yang dihasilkan. Penelitian ini mengusulkan sistem yang dapat melakukan pendeteksian dan mengklasifikasikan penyakit padi, dengan menggunakan algoritma kecerdasan buatan yakni You Only Look Once (YOLO). Selain itu, untuk menghasilkan model terbaik yang dapat diimplementasikan pada Raspberry Pi dan dapat berjalan dengan baik, dilakukan perbandingan antara algoritma YOLOv5 dengan YOLOv7 dalam hal pemrosesan untuk menentukan algoritma yang ideal untuk digunakan dalam implementasi langsung di dunia nyata. Berdasarkan pengujian yang telah dilakukan, dapat disimpulkan bahwa YOLOv7 memiliki kinerja model yang cukup lebih unggul jika dibandingkan dengan YOLOv5 dalam proses pelatihan kecerdasan buatan untuk deteksi objek penyakit padi, dengan rasio antara YOLOv7 dan YOLOv5 menghasilkan akurasi sebesar 0,82: 0.795, recall 0.776:0.799, dan mAP 0.79:0.787. Dalam penerapannya di dalam pada Raspberry Pi, YOLOv7 memiliki keunggulan dalam segi kecepatan deteksi penyakit padi bila dibandingkan dengan YOLOv5. Namun, YOLOv5 memiliki kinerja yang lebih baik dengan penggunaan sumber daya komputasi yang lebih minimum. Di sisi lain, stabilitas dan kecepatan pendeteksian dari YOLOv7 menjadikannya pilihan algoritma yang lebih ideal untuk implementasi dunia nyata menggunakan Raspberry Pi.