Farhan, Wahyu Nabilla (2026) RANCANG BANGUN ROBOT PENYEMPROT HERBISIDA BERBASIS OBJECT DETECTION MENGGUNAKAN DEEP LEARNING UNTUK EFISIENSI PENGENDALIAN GULMA PADA PERTANIAN. Undergraduate thesis, Universitas Diponegoro.

	Text TA WNF.pdf - Published Version Restricted to Repository staff only Download (8MB) | Request a copy
	Text COVER.pdf - Published Version Download (1MB)
	Text BABI.pdf - Published Version Download (329kB)
	Text BABII.pdf - Published Version Download (1MB)
	Text BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB IV.pdf - Published Version Download (1MB)
	Text BAB V (1).pdf - Published Version Download (356kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (277kB)
	Text LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Peningkatan kebutuhan produksi pertanian akibat pertumbuhan populasi menuntut
pengendalian gulma yang lebih presisi dan efisien. Data Direktorat Jenderal
Hortikultura menunjukkan peningkatan luas panen cabai rawit periode 2019–2023,
sementara gulma menyumbang sekitar 23% kerugian agrikultural sehingga menjadi
faktor pembatas produktivitas yang signifikan. Metode penyemprotan herbisida
konvensional masih menghadapi kendala inefisiensi, risiko lingkungan, dan potensi
resistensi gulma. Penelitian ini mengembangkan robot rover berbasis computer
vision menggunakan algoritma YOLO yang terintegrasi dengan modul pan-tilt
servo untuk penyemprotan selektif. Sistem memanfaatkan Raspberry Pi 5 untuk
pemrosesan citra dan ESP32 untuk kendali aktuator. Model mencapai mAP@50
sebesar 95,2%, precision 95,7%, dan recall 89,6%. Pengujian modul pan-tilt
berbasis Euclidean Distance menghasilkan MAE 1,17 cm, RMSE ±1,38 cm, dan
error maksimum 2,24 cm. Uji robot dilapangan menunjukkan precision 100%
terhadap tanaman cabai dengan recall fluktuatif (1,00–0,57) dan rata-rata F1-score
sekitar 0,86. Hasil ini menegaskan sistem mampu melakukan penyemprotan gulma
secara selektif dan aman, meskipun masih memerlukan peningkatan stabilitas dan
deteksi untuk implementasi lapangan.

Actions (login required)

View Item