OPTIMASI DETEKSI PENYAKIT DAUN TEH BERBASIS YOLOV8 MENGGUNAKAN CONVOLUTIONAL BLOCK ATTENTION MODULE (CBAM) DAN BIDIRECTIONAL FEATURE PYRAMID NETWORK (BiFPN)

Armijantoro, Gilang Rahmadhan (2025) OPTIMASI DETEKSI PENYAKIT DAUN TEH BERBASIS YOLOV8 MENGGUNAKAN CONVOLUTIONAL BLOCK ATTENTION MODULE (CBAM) DAN BIDIRECTIONAL FEATURE PYRAMID NETWORK (BiFPN). Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) Cover.pdf Download (1MB)
	Text (Bab 1) Bab 1.pdf Download (349kB)
	Text (Bab 2) Bab 2.pdf Restricted to Repository staff only until 5 December 2027. Download (1MB)
	Text (Bab 3) Bab 3.pdf Restricted to Repository staff only until 5 December 2027. Download (1MB)
	Text (Bab 4) Bab 4.pdf Restricted to Repository staff only until 5 December 2027. Download (1MB)
	Text (Bab 5) Bab 5.pdf Download (227kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Download (373kB)
	Text (Lampiran) Lampiran.pdf Restricted to Repository staff only Download (626kB)

Abstract

Deteksi dini penyakit daun teh penting untuk menjaga kualitas produksi, namun proses ini menghadapi tantangan berupa keragaman bentuk dan ukuran gejala serta latar belakang citra yang kompleks. Penelitian ini mengoptimalkan YOLOv8 dengan mengintegrasikan Convolutional Block Attention Module (CBAM) dan Bidirectional Feature Pyramid Network (BiFPN) untuk meningkatkan kemampuan deteksi tiga penyakit utama, yaitu Algal Leaf Spot, Brown Blight, dan Grey Blight. Dataset yang digunakan merupakan gabungan data primer lapangan dan data sekunder dari Kaggle. Menghasilkan empat model yang dievaluasi yaitu YOLOv8n, YOLOv8-CBAM, YOLOv8-BiFPN, dan YOLOv8-CBAM-BiFPN. Hasil menunjukkan Model baseline mencapai precision 0.760, recall 0.735, mAP50 0.793, dan mAP50–90 0.657. Model gabungan YOLOv8-CBAM-BiFPN menghasilkan performa terbaik dengan precision 0.879, recall 0.814, mAP50 0.886, dan mAP50–90 0.739. Temuan ini menunjukkan bahwa kombinasi CBAM dan BiFPN secara signifikan meningkatkan akurasi, konsistensi deteksi multi-skala, dan selektivitas fitur pada YOLOv8, menjadikannya konfigurasi paling optimal untuk deteksi penyakit daun teh.

Item Type:	Thesis (Undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Email Thesis advisor Nugroho, Budi 0707098003 budinugroho.if@upnjatim.ac.id UNSPECIFIED Via, Yisti Vita 0025048602 yistivia.if@upnjatim.ac.id
Subjects:	Q Science > Q Science (General) T Technology > TH Building construction T Technology > TJ Mechanical engineering and machinery
Divisions:	Faculty of Computer Science > Departemen of Informatics
Depositing User:	Gilang Rahmadhan Armijantoro
Date Deposited:	05 Dec 2025 08:11
Last Modified:	05 Dec 2025 08:11
URI:	https://repository.upnjatim.ac.id/id/eprint/48029

Actions (login required)

View Item