Smart Agriculture Vision System (SAVIS): Artificial Intelligence untuk Deteksi Defisiensi Unsur Hara pada Tanaman Kedelai (Glycine max L.)

Produksi kedelai domestik belum mampu memenuhi kebutuhan dalam negeri, yang ditunjukkan dengan volume impor mencapai 2.676.317,1 ton pada tahun 2024. Upaya peningkatan produksi dapat dilakukan melalui pemantauan kecukupan hara pada tanaman, khususnya nitrogen, fosfor, dan kalium. Oleh karena itu, penelitian ini bertujuan untuk membangun sebuah sistem deteksi gejala visual defisiensi unsur nitrogen, fosfor, dan kalium pada tanaman kedelai menggunakan algoritma YOLOv8, serta mengetahui tingkat akurasinya. Metode penelitian terdiri atas pengumpulan dataset, prapemrosesan data, pelatihan, validasi, serta deployment model. Dataset dikumpulkan dari perlakuan minus-one-test nitrogen, fosfor, dan kalium, serta hara tercukupi sebagai kontrol. Dataset terdiri atas 300 citra digital untuk setiap kelasnya dan 120 citra latar belakang, sehingga total dataset yang digunakan adalah 1.320 citra digital. Sistem deteksi gejala visual defisiensi unsur hara nitrogen, fosfor, dan kalium pada tanaman kedelai yang berhasil dibangun dapat diakses secara publik melalui tautan https://smart-agriculture-vision-system.streamlit.app/. Tingkat akurasi direpresentasikan oleh metrik precision, recall, dan mean average precision (mAP). Validasi model menunjukkan nilai precision sebesar 0,989, recall sebesar 0,981, mAP50 sebesar 0,994, serta mAP50-95 sebesar 0,988.