%0 Thesis
%9 S1 - Sarjana
%A Habib, Zaky Fauzan
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2026
%F universitasamikomyogyakarta:31832
%I Universitas AMIKOM Yogyakarta
%K Deteksi penyakit, Daun pisang, YOLOv11n, Augmentasi Data,  mAP, F1-Confidence, Disease detection, Banana Leaf, Data Augmentation.
%T ANALISIS YOLOv11n UNTUK DETEKSI PENYAKIT DAUN  PISANG DENGAN KETIDAKSEIMBANGAN KELAS
%U https://eprints.amikom.ac.id/id/eprint/31832/
%X Penyakit daun pisang merupakan salah satu ancaman utama bagi produksi  pisang di Indonesia, yang dapat menurunkan kualitas dan kuantitas hasil pertanian.  Oleh karena itu, deteksi dini terhadap penyakit daun pisang sangat penting untuk  meminimalkan kerugian ekonomi yang ditimbulkan. Penelitian ini bertujuan untuk  mengembangkan sistem deteksi penyakit daun pisang secara otomatis  menggunakan model deteksi objek YOLOv11n. Metode yang digunakan mencakup  pengumpulan dataset daun pisang yang terinfeksi berbagai jenis penyakit dari  platform Roboflow, yang kemudian dilakukan proses pra-pemrosesan dan  augmentasi data untuk mengatasi ketidakseimbangan kelas dalam dataset. Model  YOLOv11n dilatih dengan menggunakan teknik augmentasi data seperti flip  horizontal, flip vertikal, grayscale, Gaussian blur, dan Gaussian noise untuk  meningkatkan keberagaman data pelatihan. Hasil penelitian menunjukkan bahwa  model YOLOv1n berhasil mencapai kinerja yang baik dalam mendeteksi penyakit  daun pisang dengan skor mAP@50 sebesar 87.8% pada epoch ke 10, yang  kemudian stabil pada 87.1% setelah 40 epoch. Evaluasi menggunakan metrik F1Confidence    dan Recall-Confidence menunjukkan bahwa model ini memiliki  keseimbangan yang baik antara presisi dan recall, dengan nilai F1-Confidence ratarata  0.82  dan  Recall-Confidence  0.96  pada  epoch  ke-10.  Dengan  demikian,  model    YOLOv11n  ini  dapat  diandalkan  untuk  deteksi  penyakit  daun  pisang  secara  realtime  dan  memberikan  kontribusi  signifikan  terhadap  pengelolaan  tanaman  pisang    yang  lebih  efisien.  Penelitian  ini  juga  memberikan  solusi  praktis  bagi  petani  untuk    memantau  kesehatan  tanaman  dengan  teknologi  yang  mudah diakses.