Deteksi Kematangan Buah Kopi Menggunakan Algoritma Lucy-Richardson dan You Only Look Once (YOLOV8) dengan Pendekatan Pipeline

Penelitian ini berfokus pada pengembangan sistem deteksi dan klasifikasi tingkat kematangan buah kopi menggunakan model YOLOv8. Proses penelitian diawali dengan pengumpulan data primer berupa citra buah kopi dari perkebunan PT. Toarco Jaya. Sampel buah kopi divalidasi untuk memisahkan buah
berdasarkan tingkat kematangannya. Setelah itu, citra diolah melalui beberapa tahapan. Pertama, dilakukan anotasi menggunakan aplikasi Roboflow dengan teknik bounding box untuk melabeli buah kopi ke dalam empat kelas, yaitu mentah, setengah matang, matang, dan terlalu matang. Selanjutnya, pada tahap preprocessing, setiap gambar diubah ukurannya menjadi 640x640 piksel. Setelah data siap, model YOLOv8n dibangun dan dilatih. Penelitian ini membandingkan dua skema pelatihan: model YOLO saja dan model kombinasi YOLO + Lucy
Richardson. Hasil pelatihan menunjukkan bahwa kedua model memiliki kemampuan belajar yang baik, ditunjukkan oleh penurunan nilai loss dan peningkatan metrik evaluasi seperti precision, recall, dan mAP. Pengujian model dengan confusion matrix menghasilkan akurasi 85,7% untuk model YOLO dan
84,5% untuk model YOLO + Lucy Richardson. Meskipun akurasi numerik model YOLO sedikit lebih tinggi, perbandingan metrik evaluasi secara visual menunjukkan bahwa model YOLO + Lucy Richardson memiliki peningkatan signifikan pada mAP@0.5 dan mAP@0.5:0.95. Peningkatan ini menunjukkan bahwa teknik augmentasi blur berhasil meningkatkan kemampuan generalisasi
model. Secara keseluruhan, hasil penelitian menyimpulkan bahwa model YOLOv8 efektif dalam mendeteksi dan mengklasifikasi buah kopi, dengan kemampuan generalisasi yang baik terhadap variasi kondisi visual seperti latar
belakang dan pencahayaan.
Kata Kunci: Kematangan Buah Kopi, Lucy-Richardson, YOLOv8, Deteksi Objek, Confusion Matrix, mAP, Pipeline, Pemrosesan Citra