ABSTRAK
Putriana Tanra, 202055202059. Deteksi dan Menghitung Tomat Segar dan
Busuk Menggunakan Algoritma YOLOv5 Berbasis Website (dibimbing oleh
Ir.Rendra Soekarta, S.Kom., M.T., IPP. dan Suhardi Aras, M.Kom.).
Tomat adalah salah satu komoditas hortikultura dengan nilai ekonomi
tinggi yang banyak diminati oleh masyarakat karena kandungan gizi yang baik
untuk kesehatan. Tomat juga rentan terhadap kerusakan dan pembusukan yang
dapat menyebar ke tomat lain jika tidak segera ditangani. Namun para petani
seringkali menghadapi kendala dalam proses sortasi hasil panen karena
infrastruktur yang kurang memadai, yang dapat menyebabkan penurunan kualitas
tomat yang dipasarkan dan kerugian finansial. Penelitian ini bertujuan untuk
mengembangkan model deep learning yang mampu mendeteksi dan menghitung
tomat segar dan busuk menggunakan algoritma YOLOv5. Dengan adanya
teknologi deep learning, deteksi dan penghitungan jumlah tomat segar dan busuk
dapat dilakukan menggunakan algoritma YOLOv5 (You Only Look Once version
5), yang dipilih karena stabilitas dan kecepatan deteksinya yang lebih tinggi
dibandingkan versi lainnya. Penelitian ini menggunakan sebanyak 1.061 dataset
yang terdiri dari 2 kelas, yaitu tomat segar dan tomat busuk. Implementasi
penelitian ini berbasis website menggunakan bahasa pemrograman HTML, CSS,
dan Python. Hasil pengujian menunjukkan tingkat akurasi yang tinggi, dengan
mAP50 sebesar 95%, mAP50:95 sebesar 73%, F1 score sebesar 89%, precision
sebesar 97%, recall sebesar 97%, dan accuracy sebesar 97%.
Kata kunci : Tomat, YOLOv5, Deep Learning, Deteksi, Penghitungan