RANCANG BANGUN SISTEM DETEKSI PENYAKIT BLACK MOLD DAN POTENSI PANEN JAMUR BERBASIS INTERNET OF THINGS DAN YOLO

Oleh :
Andrian Dwi Saputra - V3923002 - Sekolah Vokasi

Sektor budidaya jamur tiram rentan terhadap ancaman patogen Black Mold (Mucor spp.) yang dipicu oleh fluktuasi iklim mikro, khususnya suhu tinggi dan kelembapan rendah. Pengawasan konvensional seringkali terlambat mendeteksi penyebaran patogen sehingga menyebabkan degradasi hasil panen. Penelitian ini merancang dan membangun sistem GrowSafe yang mengintegrasikan Internet of Things (IoT) dan Kecerdasan Buatan (AI) untuk memantau kondisi kumbung, mendeteksi area infeksi penyakit, memprediksi risiko, dan mengestimasi potensi panen. Sistem terdiri dari mikrokontroler ESP32 dengan sensor DHT22 untuk akuisisi data lingkungan, model Computer Vision YOLOv11s untuk segmentasi area infeksi Black Mold, model Regresi Linier Polinomial (Degree 2) untuk memfusikan data visual dan sensor menjadi persentase risiko, serta backend FastAPI yang divisualisasikan melalui aplikasi mobile React Native. Hasil pengujian dengan skema 5-Fold Cross Validation menunjukkan model YOLOv11s memperoleh rata-rata Precision 0,645, Recall 0,608, dan mAP@50 0,622 (62,2%), dengan performa terbaik pada Fold 2 sebesar 65,6% nilai ini masih berada di bawah target akurasi deteksi visual yang ideal (>80%), sehingga menjadi salah satu batasan utama sistem. Di sisi lain, model Regresi Polinomial berhasil memprediksi persentase risiko penyakit dengan akurasi sangat tinggi, yaitu R² sebesar 0,9765, dan formula reduksi eksponensial pada estimasi potensi panen terbukti selaras dengan fakta biologis di lapangan. Sistem juga berhasil mengirimkan Push Notification peringatan dini secara proaktif. Secara keseluruhan, GrowSafe terbukti layak sebagai instrumen smart-farming meskipun modul deteksi visualnya masih memerlukan penyempurnaan lebih lanjut agar mencapai tingkat akurasi produksi yang lebih andal.