Klasifikasi Grade Tomat Menggunakan You Only Look Once Untuk Penyortiran Pascapanen

Abstrak

Tomat merupakan salah satu komoditas hortikultura bernilai ekonomi tinggi, namun proses pemilahan kualitas pada lingkungan pertanian skala kecil masih dilakukan secara manual sehingga menimbulkan ketidakkonsistenan, subjektivitas, dan ketergantungan pada tenaga kerja. Penelitian ini merancang sistem klasifikasi grade tomat berbasis YOLOv8-Large untuk mengoptimalkan pemilahan hasil panen di tingkat petani. Dataset terdiri dari 683 citra lapangan yang dianotasi menggunakan polygon tool pada platform Roboflow, dengan pembagian 576 data pelatihan, 64 validasi, dan 43 pengujian. Model dilatih menggunakan optimizer AdamW dengan batch size 16 selama 50 epoch. Hasil evaluasi menunjukkan mAP@0,5 sebesar 97,5% dan mAP@0,5:0,95 sebesar 95,3%, dengan precision 93,3% dan recall 91,6%. Pada tahap pengujian, sistem mampu memproses sekitar 40 tomat dalam waktu ±2,5 detik per ember, meningkatkan efisiensi pemilahan hingga ±97,2% dibandingkan metode manual yang membutuhkan sekitar 90 detik. Hasil ini menunjukkan potensi penerapan kecerdasan buatan dalam mendukung precision agriculture serta integrasi dengan sistem penyortiran otomatis.