Optimalisasi Akurasi Model Identifikasi Penyakit Pada Daun Padi Dengan Fine-Tuning YOLOv11 Untuk Ketahanan Pangan Berkelanjutan

Abstract

Padi merupakan salah satu komoditas pangan utama di Indonesia yang produktivitasnya kerap menurun akibat serangan penyakit pada daun. Deteksi dini penyakit daun padi menjadi aspek penting untuk menjaga ketahanan pangan berkelanjutan. Penelitian ini bertujuan mengoptimalkan akurasi identifikasi dini penyakit daun padi dengan melakukan fine-tuning pada model YOLOv11. Tahapan penelitian meliputi pengumpulan dataset, anotasi, preprocessing data, data augmentation, pelatihan model, fine-tuning, serta evaluasi kinerja model. Hasil penelitian menunjukkan adanya peningkatan performa model setelah fine-tuning, di mana nilai recall keseluruhan meningkat dari 0.760 menjadi 0.788 dan mAP dari 0.764 menjadi 0.785. Pada confusion matrix juga memperlihatkan distribusi prediksi yang lebih stabil pada model hasil fine-tuning dibandingkan model awal. Dengan demikian, fine-tuning YOLOv11 terbukti efektif dalam meningkatkan akurasi identifikasi dini penyakit daun padi dan berpotensi mendukung penerapan kecerdasan buatan dalam sektor pertanian untuk memperkuat ketahanan pangan di Indonesia.