IMPLEMENTASI YOLOv5 UNTUK MENGINDENTIFIKASI KEMATANGAN BUAH TOMAT

Identifikasi kematangan buah tomat sangat penting dilakukan saat memanen buah
tersebut untuk mendapatkan hasil panen yang baik. Penggunaan deep learning untuk
mengidentifikasi objek sudah mulai banyak dilakukan dalam industri. Salah satu
implementasi nya adalah untuk mengidentifikasi kematangan buah tomat dengan
menggunakan algoritma You Only Look Once (YOLOv5). Penggunaan model ini
diharapkan cukup untuk mengidentifikasi kematangan buah tomat dengan dua class
identifikasi yaitu tomat matang dan tomat mentah yang sangat berguna saat memanen
buah tomat. Dataset yang penulis gunakan untuk pelatihan dan pengujian algoritma
YOLOv5 yang berisi gambar tomat sejumlah 1.286, dengan 1.152 untuk data latih , 67
untuk set validasi dan 67 untuk set uji. hasil pengujian menunjukkan akurasi yang baik,
yaitu algoritma YOLOv5 dapat mengidentifikasi dan mengkategorikan kematangan
buah tomat. Tugas akhir ini diharapkan mampu untuk memajukan teknik mendeteksi
kematangan buah dan dapat diterapkan pada kontrol kualitas tomat pada sektor
industri pertanian. Temuan penelitian ini ditunjukkan oleh nilai akurasi deteksi
maksimum secara real – time pada konveyor, yaitu hingga 85%.