Deteksi Ulat Grayak Berbasis ESP32-CAM dan YOLOv8
Article Sidebar
Main Article Content
Abstract
Serangan ulat grayak (Spodoptera frugiperda) pada tanaman jagung merupakan permasalahan serius dalam budidaya pertanian karena indikasi awal serangan sering sulit diidentifikasi melalui pengamatan manual. Kesulitan tersebut terutama terjadi ketika larva masih berukuran kecil, berada di sela atau gulungan daun, serta memiliki warna yang menyerupai permukaan daun jagung. Kondisi ini dapat menyebabkan keterlambatan deteksi sehingga tindakan pengendalian baru dilakukan setelah kerusakan tanaman terlihat lebih jelas. Penelitian ini bertujuan untuk merancang, mengembangkan, dan menguji prototipe sistem deteksi dini ulat grayak pada daun jagung dengan mengintegrasikan ESP32-CAM, model YOLOv8n, server pemrosesan berbasis Python, serta Telegram Bot dalam arsitektur Internet of Things. Metode penelitian yang digunakan adalah Research and Development dengan model pengembangan ADDIE yang meliputi tahap analisis kebutuhan, perancangan sistem, pengembangan model dan perangkat, implementasi, serta evaluasi. Data primer diperoleh dari area pertanian di Kecamatan Baros, Kota Sukabumi, dengan jumlah 427 citra daun jagung. Dataset tersebut diproses melalui tahapan pembersihan data, anotasi bounding box, penyesuaian ukuran citra, augmentasi, serta pembagian data ke dalam subset pelatihan, validasi, dan pengujian. Hasil evaluasi menunjukkan bahwa model YOLOv8n memperoleh nilai precision sebesar 91,11%, recall sebesar 85,91%, dan mAP50 sebesar 91,80%. Pengujian black box menunjukkan bahwa seluruh skenario utama berjalan sesuai rancangan. Sementara itu, pengukuran latency menghasilkan waktu respons total 10 detik, dihitung sejak proses akuisisi citra hingga notifikasi diterima oleh pengguna. Nilai functional suitability mencapai 100%, yang menunjukkan bahwa fungsi pengambilan citra, pengiriman data melalui HTTP, inferensi pada server, dan notifikasi melalui Telegram telah beroperasi secara optimal. Temuan ini menegaskan bahwa pemisahan proses antara kamera portabel dan server pemrosesan dapat menjadi pendekatan praktis dalam pengembangan sistem deteksi hama berbasis visi komputer untuk mendukung pertanian cerdas.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Aditia, A F, and I L I Putra. 2025. “Severity and Incidence of Spodoptera Frugiperda Attack on Maize Plants in Sleman District.” Jurnal Ilmu Pertanian Indonesia 30(3): 581–90. doi:10.18343/jipi.30.3.581.
Anintyas, D, K N I Safitri, E Kusumawati, K Masoyogie, S R Dirmawati, T N Aeny, and R Suharjo. 2024. “Spodoptera Frugiperda: Hama Utama Pada Tanaman Jagung Dan Strategi Pengendaliannya.” Jurnal Proteksi Agrikultura 2(1): 66–80. doi:10.23960/jpa.v2i1.66-80.
Badgujar, C M, A Poulose, and H Gan. 2024. “Agricultural Object Detection with YOLO: A Bibliometric and Systematic Literature Review.” arXiv preprint arXiv:2401.12345. https://arxiv.org/abs/2401.12345.
Barat, Badan Pusat Statistik Provinsi Jawa. 2025. Luas Panen Jagung Pipilan Di Jawa Barat Pada 2024 Mencapai 77,99 Ribu Hektare; Produksi Jagung Pipilan Kering Kadar Air 14 Persen Sebanyak 564,29 Ribu Ton. Badan Pusat Statistik Provinsi Jawa Barat. https://jabar.bps.go.id.
Damayanti, N W W, P M Prihatini, and I P O Wisnawa. 2026. “Evaluasi Kinerja Deteksi Penyakit Buah Cabai Rawit Berbasis Citra.” Jurnal Informatika Polinema 12(3): 483–92. doi:10.33795/jip.v12i3.9826.
Hanafian Alhuda, Z, Y Saragih, and I P Sary. 2026. “Sistem Peringatan Dini Kebakaran IoT Dan YOLOv8n Untuk Deteksi Manusia.” Jurnal Informatika Polinema 12(3): 589–600. doi:10.33795/jip.v12i3.9764.
Hussain, M. 2024. “YOLOv5, YOLOv8 and YOLOv10: The Go-to Detectors for Real-Time Vision.” arXiv preprint arXiv:2403.00001. https://arxiv.org.
Mursyidin, Abdul Halim, Muhammad Qudsiah, Bambang Supeno, Vita Fitrianti, and Regina Fhathonah Insani. 2024. “DETEKSI SERANGAN HAMA INVASIF ULAT GRAYAK PADA PERTANAMAN JAGUNG LAHAN KERING DI LOMBOK TIMUR Detection of Invasive Fall Armyworm Infestation Spodoptera Frugiperda J . E . Smith ( Lepidoptera : Noctuidae ) on Dryland Maize Crops in East Lombok.” Seminar Nasional Perlindungan Tanaman(Snpt) 2: 43–54.
Nopiandi, A, F R Yasin, R H Prayoga, I L Kharisma, and S Somantri. 2026. “Implementasi YOLOv8 Nano Pada Sistem Monitoring Budidaya Jamur Tiram Berbasis IoT.” Jurnal Informatika Polinema 12(2): 245–58. doi:10.33795/jip.v12i2.8239.
Prasetyo, T, R Sari, and W Lestari. 2024. “Analisis Tren Produksi Dan Kebutuhan Jagung Nasional.” Policy Brief Pertanian, Kelautan, dan Biosains Tropika 6(1): 749–53. doi:10.29244/agro-maritim.0601.749-753.
Statistik, Badan Pusat. 2023. Luas Panen Dan Produksi Jagung Di Indonesia 2023: Angka Sementara. Badan Pusat Statistik. https://www.bps.go.id.
Susanto, A, P A Leider, Y Maharani, L Rizkie, I N Bari, and S N Subakti-Putri. 2024. “Siklus Hidup Dan Kesintasan Ulat Grayak Spodoptera Frugiperda Smith (Lepidoptera: Noctuidae) Dari Beberapa Daerah Di Jawa Barat.” Jurnal Entomologi Indonesia 21(2): 167–75. doi:10.5994/jei.21.2.167.
Syafria, S, R Reflinaldon, and N Nelly. 2023. “Distribution and Attack Rate of Spodoptera Frugiperda on Maize in Sijunjung District, West Sumatera Province.” Jurnal Proteksi Tanaman 7(1): 12–20. doi:10.25077/jpt.v7i1.123.
Systems, Espressif. 2025. “ESP32 Series Datasheet.” https://www.espressif.com.
Ultralytics. 2023. “YOLOv8 Documentation.” https://docs.ultralytics.com.
Xu, M, S Yoon, A Fuentes, and D S Park. 2023. “A Comprehensive Survey of Image Augmentation Techniques for Deep Learning.” Pattern Recognition 137: 109347. doi:10.1016/j.patcog.2023.109347.