Perpustakaan Digital ITB

Ubi cilembu adalah ubi yang banyak disukai oleh banyak orang karena rasanya yang manis seperti madu apabila dibakar dan juga karbohidratnya yang tinggi. Ubi cilembu merupakan varietas ubi unggulan pada kabupaten sumedang dan bahkan jawa barat, salah satu sentra produksi ubi jalar strategis nasional. Keunggulan tersebut menjadikan ubi cilembu menjadi sumber pendapatan mayoritas petani di desa cilembu, dapat dilihat dari tingginya persentase ubi cilembu dari total produksi kecamatan pamulihan yaitu sebesar 47,39 persen. Namun, sayangnya produktivitas ubi cilembu tergolong rendah dibanding dengan rata-rata produktivitas ubi biasanya. Oleh karena itu, diperlukan solusi yang cermat yang dapat meningkatkan produktivitas ubi cilembu tersebut secara signifikan. Salah satu metode yang efektif meningkatkan produktifitas hasil tani adalah dengan melakukan pencegahan penyebaran penyakit pada tanaman. Pentingnya pengaruh penyakit pada tanaman terhadap produktivitas hasil panen juga dapat kita lihat dari data pada Food and Agriculture Organization (FAO) dimana disebutkan penyakit pada tanaman menyebabkan penurunan hasil panen global sebanyak 40 persen. Namun, pencegahan penyebaran penyakit pada tanaman tidaklah mudah, hal ini dikarenakan besar tanda penyakit pada ubi cilembu yang cenderung kecil sehingga perlu ketelitian khusus dan keahlian yang cukup untuk identifikasinya. Tak hanya itu, hal ini juga diperparah oleh kondisi udara di indonesia yang hangat dan lembab yang mempercepat penyebaran penyakit. Hal tersebut mengakibatkan dibutuhkan frekuensi pengecekan penyebaran penyakit yang tinggi. Oleh karena itu, untuk mengatasi masalah diatas, penelitian ini akan mengembangkan sistem kontrol otomatis pada drone untuk deteksi dan pelokasian penyakit tanaman ubi cilembu secara otomatis menggunakan algoritma machine learning yolov8. Dalam proses deteksi penyakit, drone yang dilengkapi dengan kamera yang terintegrasi dengan algoritma machine learning akan digunakan. Hal ini memungkinkan komputasi dilakukan langsung pada drone, sehingga ukuran data yang dikirm dari drone ke server berkurang secara signifikan. Dengan menggunakan drone, deteksi penyakit dapat dilakukan secara otomatis, menghilangkan kebutuhan akan biaya per deteksi, memungkinkan deteksi penyakit dilakukan dengan frekuensi tinggi. Setiap deteksi yang dilakukan oleh drone tidak memerlukan pemantauan oleh petani karena drone beroperasi secara otomatis, meminimalkan kebutuhan tenaga kerja untuk setiap deteksi. Selainitu, data yang diperoleh dari deteksi dapat diproses lebih lanjut untuk menentukan penyebab dari wabah penyakit.