Analisis Perbandingan Kinerja Model YOLO11 dan YOLOv8 dalam Identifikasi Penyakit pada Daun Tomat

Abstrak

Penyakit pada daun tomat dapat mengurangi kualitas dan kuantitas hasil pertanian serta memengaruhi harga pasar. Penelitian ini membandingkan efektivitas model YOLO11 dan YOLOv8 dalam mendeteksi penyakit pada daun tomat dengan model berbasis CNN tradisional seperti VGG-16 dan Inception-V3. Hasil menunjukkan bahwa model YOLO11 memberikan akurasi terbaik 99.4%, diikuti oleh YOLOv8 dengan 98.5%, keduanya unggul dalam deteksi real-time. Model berbasis CNN seperti VGG-16 dan Inception-V3 memiliki akurasi tinggi (99% dan 93.8%), namun lebih lambat dalam komputasi. Ensemble model VGG-16 dan NASNet Mobile mencapai akurasi 98.7%, namun sedikit lebih rendah dari YOLO11. Model YOLO lebih efisien dalam hal kecepatan deteksi, menjadikannya pilihan yang lebih baik untuk aplikasi di lapangan. Penelitian ini menunjukkan bahwa YOLO11 menawarkan kombinasi terbaik antara akurasi dan kecepatan deteksi untuk sistem deteksi penyakit tanaman secara real-time.