PENERAPAN YOLOV8 PADA CITRA DIGITAL SISTEM IDENTIFIKASI REAL-TIME JENIS MAWAR HIAS BERBASIS MOBILE

Abstract

Perkembangan teknologi kecerdasan buatan dalam pengolahan citra digital memungkinkan identifikasi objek secara otomatis dan real-time. Penelitian ini bertujuan untuk menerapkan algoritma YOLOv8 dalam sistem identifikasi jenis bunga mawar hias berbasis mobile. Metode penelitian dilakukan dengan melatih model YOLOv8 menggunakan dataset sebanyak 813 citra digital yang terdiri dari lima kelas mawar hias, yaitu merah, putih, kuning, oranye, dan pink. Proses pelatihan dilakukan selama 100 epoch, kemudian model diintegrasikan ke dalam aplikasi mobile berbasis Flutter untuk mendukung deteksi real-time melalui kamera smartphone. Hasil penelitian menunjukkan bahwa model YOLOv8 mampu mencapai nilai mAP50–95 sebesar 0,581, dengan performa terbaik pada kelas yang memiliki jumlah data lebih besar, sedangkan kelas dengan jumlah data terbatas menunjukkan akurasi yang lebih rendah. Aplikasi yang dikembangkan berhasil menampilkan bounding box dan confidence score secara real-time, meskipun masih ditemukan kendala kompatibilitas pada tahap integrasi akhir. Secara keseluruhan, sistem ini berpotensi menjadi solusi praktis dan efisien dalam membantu proses identifikasi bunga mawar hias serta mendukung penerapan teknologi deep learning berbasis mobile di bidang hortikultura.