Implementasi Aplikasi Estimator Kuantitas Sayuran Pada Media Hidroponik Menggunakan Video Dengan Metode YOLOv5
Abstract
Abstrak — Penelitian ini bertujuan untuk mengembangkan aplikasi estimasi kuantitas sayuran, khususnya selada, pada sistem hidroponik berbasis deteksi objek menggunakan YOLOv5. Aplikasi ini dirancang untuk mempermudah proses monitoring jumlah tanaman dengan memanfaatkan gambar hasil tangkapan kamera atau frame dari video. Data yang digunakan berupa gambar hasil pemotretan langsung dan gambar yang diekstrak dari video, kemudian dianotasi menggunakan Roboflow dan dilatih menggunakan model YOLOv5 di Google Colab. Hasil deteksi menghasilkan jumlah selada berdasarkan bounding box yang teridentifikasi dalam gambar. Berdasarkan pengujian yang di lakukan pada 42 gambar valid, sistem menunjukkan rata-rata error sebanyak 47,28% selada dari total 4.945 selada, dengan rata-rata tingkat akurasi sebesar 52,7%. Pada uji gambar noise, akurasinya menjadi 25,96%, sedangkan pada uji gambar frame video mencapai 80,39% dengan eror 14,58%. Aplikasi ini diharapkan dapat membantu petani atau pengelola sistem hidroponik dalam melakukan pengawasan pertumbuhan tanaman secara lebih efisien. Kata kunci— deteksi objek, YOLOv5, hidroponik, estimasi jumlah selada, anotasi gambar
References
G. N. d. R. Fajarfika, “Pengaruh Media Tanam pada
Hidroponik terhadap Pertumbuhan dan Hasil Kailan
(Brassica Oleracea L.),” JAGROS, pp. 281-291,
K. S. d. S. A. Ninasari, “Inovasi Teknologi
Pertanian: Pengaruh Sistem Hidroponik terhadap
Pertumbuhan Sayuran,” Review Pendidikan dan
Pengajaran, pp. 17090-17094, 2024.
I. A. I. S. d. S. S. I. Rosyidah, “I. Rosyidah, I.
Anshory, I. Sulistiyowati, dan S. Syahronini,”
Jambura Journal of Electrical and Electronics
Engineering, pp. 234-239, 2024.
A. Z. F. K. I. L. V. F. Z. D. G. P. M. a. E. P. G. L.
Riani, “SiCitra: Aplikasi Berbasis Web untuk
Pemrosesan Citra Digital Menggunakan OpenCV,”
Informatika UPGRIS, pp. 39-46, 2024.
I. M. D. T. R. S. A. S. O. S. &. P. M. P. Maleh,
“Implementasi Algoritma You Only Look Once
(YOLO) Untuk Object Detection Sarang Orang
Utan,” Informatika, pp. 19-27, 2023.
A. F. P. d. N. P. D. L. Riani, “Implementasi
Algoritma YOLO untuk Identifikasi Jenis
Aglaonema Berbasis Web,” Informasi, p. 189–194,
M. R. N. d. M. A. F. A. P. Wijaya, “Penerapan
Algoritma YOLOv5 untuk Deteksi Tanaman Bayam
pada Sistem Hidroponik,” Jurnal Teknologi Terapan,
Vol. %1 dari %2Penelitian ini mengimplementasikan
YOLOv5 untuk mendeteksi tanaman bayam secara
real-time guna mendukung pemantauan otomatis di
sistem hidroponik., no. Vol. 10, No. 2, p. 55–62,
J. Z. d. W. L. M. He, “Real-time Plant Detection in
Smart Farming using YOLOv5,” Computers and
Electronics in Agriculture, Vol. %1 dari %2Artikel
ini menunjukkan efektivitas YOLOv5 dalam
mendeteksi tanaman secara real-time di lingkungan
pertanian terbuka, mendukung penggunaan untuk
aplikasi pemantauan cerdas., no. Vol. 198, p.
–112, 2022.
M. A. M. A. &. E. Yılmaz, “Evaluating YOLOv4
and YOLOv5 for Enhanced Object Detection in
ISSN : 2442-5826 e-Proceeding of Applied Science : Vol.11, No.5 Oktober 2025 | Page 1719
UAV-Based Surveillance,” Processes, p. pp. 1–16,
M. R. a. B. Kurniawan, “Pembelajaran
Pemrograman Python dengan Pendekatan Logika
Algoritma,” Jurnal Teknik Informatika Mahakarya
(JTIM), pp. 37-44, 2020.
