Implementasi YOLOv8 Nano pada Sistem Monitoring Budidaya Jamur Tiram Berbasis IoT

Abstract

Jamur tiram merupakan salah satu komoditas pertanian yang memiliki nilai ekonomi tinggi dan banyak dibudidayakan di Indonesia. Namun, proses pemantauan pertumbuhannya secara konvensional masih dilakukan secara manual, sehingga membutuhkan waktu, tenaga, dan rentan terjadi kesalahan dalam pengambilan keputusan. Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem monitoring pertumbuhan jamur tiram secara otomatis dengan memanfaatkan teknologi Internet of Things (IoT) dan Artificial Intelligence (AISistem ini menggunakan sensor DHT22 untuk membaca suhu dan kelembapan, sensor BH1750 untuk mengukur intensitas cahaya, serta kamera ESP32-CAM untuk mengambil gambar jamur. Data dikirim melalui ESP32 dan dianalisis menggunakan Python, sementara gambar diproses oleh model YOLOv8 Nano untuk mengklasifikasikan fase pertumbuhan jamur menjadi baglog, jamur muda, dan jamur siap panen. Hasil pemantauan ditampilkan secara real-time pada dashboard dan disimpan dalam database MySQL. Hasil pelatihan model menunjukkan performa yang cukup baik dengan nilai rata-rata precision sebesar 0,69, recall sebesar 0,78, dan mean Average Precision ([email protected]) sebesar 0,71. Pengujian lanjutan dilakukan terhadap 15 gambar uji dari masing-masing fase jamur, dan seluruh gambar berhasil terdeteksi sesuai dengan kelas yang sebenarnya. Selain itu, pada uji terhadap 10 gambar negatif (tanpa objek jamur). Keberhasilan sistem ini juga didukung oleh jaringan yang stabil untuk pengiriman data, pencahayaan ruang budidaya yang memadai saat pengambilan gambar, serta pengaturan suhu dan kelembapan yang dapat menyesuaikan secara otomatis dengan fase pertumbuhan jamur. Sistem ini membuktikan kemampuannya dalam memantau kondisi pertumbuhan jamur secara otomatis dan akurat, serta berpotensi menjadi solusi praktis dalam mendukung kegiatan budidaya jamur yang lebih modern dan efisien.