Implementasi Deep Learning berbasis YOLOv11 Pada Klasifikasi Penyakit Tanaman Padi

Penyakit pada tanaman padi merupakan salah satu faktor utama yang dapat menurunkan produktivitas pertanian secara signifikan. Deteksi dini dan akurat terhadap penyakit tersebut menjadi langkah penting dalam upaya pencegahan dan pengendalian. Pada penelitian ini, metode Deep Learning berbasis YOLOv11 diterapkan untuk melakukan klasifikasi penyakit tanaman padi, mengingat kemampuannya dalam mendeteksi objek secara cepat dan akurat pada citra. Dataset yang digunakan terdiri dari citra daun padi yang dikategorikan menjadi daun sehat dan beberapa jenis penyakit. Proses penelitian meliputi tahap pra-pemrosesan data, pelabelan, pelatihan model, dan evaluasi menggunakan metrik precision, recall, mean Average Precision (mAP), dan F1-Score. Hasil testing menunjukkan bahwa model YOLOv11 yang dibangun mampu mencapai dengan nilai precision 0,901, recall 0,974, mAP50 sebesar 0,982, dan F1-Score 0,936 pada data testing. Temuan ini menunjukkan bahwa YOLOv11 memiliki kinerja yang baik dalam mendeteksi dan mengklasifikasikan penyakit tanaman padi, sehingga berpotensi digunakan sebagai dasar pengembangan sistem deteksi otomatis yang dapat membantu petani dalam mengambil keputusan pengendalian penyakit secara lebih cepat dan tepat.