EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

DETEKSI HAMA FALL ARMYWORM PADA TANAMAN JAGUNG MENGGUNAKAN YOLO DI DESA OESAO, KABUPATEN KUPANG, NUSA TENGGARA TIMUR

Daniel Wilhelm Valentino Likadja, Derwin Rony Sina, Bertha S.Djahi

JATI (Jurnal Mahasiswa Teknik Informatika) · 31.05.2026 · 10 (3) · 4450-4456

DOI: 10.36040/jati.v10i3.18227 ↗

Kurz gefasst

Fachartikel in der Zeitschrift JATI (Jurnal Mahasiswa Teknik Informatika), online erschienen am 31.05.2026. Verfasst von Daniel Wilhelm Valentino Likadja und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Produksi jagung di Nusa Tenggara Timur mengalami penurunan kumulatif lebih dari 26% dalam empat tahun terakhir, salah satunya akibat serangan hama invasif Fall Armyworm (Spodoptera frugiperda) yang berpotensi menurunkan hasil panen hingga 70–80%, sementara metode pemantauan konvensional yang bersifat subjektif dan tidak efisien belum mampu menjawab kebutuhan deteksi dini secara akurat pada pertanian skala kecil. Penelitian ini bertujuan mengevaluasi kemampuan deteksi hama Fall Armyworm dan gejala kerusakannya pada daun jagung menggunakan lima varian algoritma You Only Look Once (YOLO) generasi terbaru dalam kondisi lapangan nyata. Dataset terdiri dari 2.000 gambar berlabel dua kelas, larva (Hama Fall_armyworm) dan pola kerusakan daun (fall_armyworm damage), yang dikumpulkan langsung dari lahan Desa Oesao dan diperkaya melalui platform Roboflow, kemudian dilatih dan dievaluasi pada YOLOv8n, YOLOv9t, YOLOv10n, YOLOv11n, dan YOLOv12n menggunakan metrik Precision, Recall, F1-Score, dan mean Average Precision (mAP). YOLOv11n mencapai performa terbaik dengan F1-Score 61,1% dan mAP@0,5 58,5%, namun seluruh model menunjukkan kesenjangan deteksi signifikan antara kelas larva (mAP@0,5: 0,974–0,988) dan kelas kerusakan daun (mAP@0,5: 0,164–0,240) yang disebabkan oleh ketidakseimbangan distribusi data dan tingginya variasi visual pola kerusakan. Kebaruan arsitektur tidak menjamin performa superior pada dataset berukuran kecil, sehingga perluasan data dan penanganan ketidakseimbangan kelas menjadi prioritas utama penelitian mendatang

Zitieren

APA

Likadja, D. W. V., Sina, D. R., & S.Djahi, B. (2026). DETEKSI HAMA FALL ARMYWORM PADA TANAMAN JAGUNG MENGGUNAKAN YOLO DI DESA OESAO, KABUPATEN KUPANG, NUSA TENGGARA TIMUR. JATI (Jurnal Mahasiswa Teknik Informatika), 10(3), 4450-4456. https://doi.org/10.36040/jati.v10i3.18227

Vancouver

Likadja DWV, Sina DR, S.Djahi B. DETEKSI HAMA FALL ARMYWORM PADA TANAMAN JAGUNG MENGGUNAKAN YOLO DI DESA OESAO, KABUPATEN KUPANG, NUSA TENGGARA TIMUR. JATI (Jurnal Mahasiswa Teknik Informatika). 2026;10(3):4450-4456. doi:10.36040/jati.v10i3.18227

BibTeX
@article{Likadja2026,
  author = {Likadja, Daniel Wilhelm Valentino and Sina, Derwin Rony and S.Djahi, Bertha},
  title = {DETEKSI HAMA FALL ARMYWORM PADA TANAMAN JAGUNG MENGGUNAKAN YOLO DI DESA OESAO, KABUPATEN KUPANG, NUSA TENGGARA TIMUR},
  journal = {JATI (Jurnal Mahasiswa Teknik Informatika)},
  year = {2026},
  volume = {10},
  number = {3},
  pages = {4450--4456},
  doi = {10.36040/jati.v10i3.18227}
}
Kostenlos starten →