SKRIPSI DIGITAL
Rancang Bangun Sistem Monitoring Kematangan Cabai Rawit Menggunakan Algoritma YOLOv8 Berbasis Internet of Things (IoT) = Design and Development of a System for Monitoring the Ripeness of Bird’s Eye Chillies Using the YOLOv8 Algorithm Based on the Internet of Things (IoT)
Innas Qurrota Aini Azroi, “Rancang Bangun Sistem Monitoring Kematangan Cabai Rawit Menggunakan Algoritma YOLOv8 Berbasis Internet of Things (IoT)”, Skripsi S.Tr.T Jurusan Teknik Elektro Politeknik Negeri Semarang, di bawah bimbingan Bapak Aggie Brenda Vernandez, S.T., M.T dan Bapak Eriko Arvin K., S.ST., M.Eng., Agustus 2026, 148 halaman.
Cabai rawit merupakan salah satu komoditas hortikultura strategis di Indonesia yang harganya sering mengalami lonjakan akibat fluktuasi pasokan dan ketidakpastian hasil panen. Untuk mendukung efisiensi pengelolaan panen, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring kematangan serta perhitungan buah cabai rawit secara otomatis berbasis pengolahan citra digital di lingkungan mini greenhouse. Sistem dibangun menggunakan algoritma YOLOv8n dan webcam yang terhubung dengan Mini PC lokal. Integrasi sistem dilakukan secara dua arah dengan platform Node-RED memanfaatkan protokol HTTP POST/Base64 untuk penyimpanan basis data dan penayangan pada dashboard IoT secara real-time. Pelatihan model YOLOv8n berbasis 585 citra menghasilkan kinerja deteksi yang presisi dalam mengklasifikasikan tingkat kematangan (ripe dan unripe) serta melakukan pencacahan objek otomatis berdasarkan posisi bounding box. Evaluasi model mencatatkan nilai Precision sebesar 92%, Recall sebesar 92%, mAP50 sebesar 96%, dan mAP50-95 sebesar 78%. Pengujian pengamatan real-time menunjukkan bahwa kondisi pencahayaan lingkungan berpengaruh signifikan terhadap akurasi deteksi. Kondisi pencahayaan paling optimal diperoleh pada pukul 09:00 WIB (soft light) dengan akurasi riil mencapai 83,3% pada Tanaman 1 dan 85,7% pada Tanaman 2. Sebaliknya, pencahayaan terik siang hari (11:00–14:00 WIB) memicu efek glare dan bayangan tajam (hard shadow) yang menurunkan akurasi hingga 28,6%, sedangkan kondisi redup di sore hari memicu false negative.
Kata kunci: Cabai Rawit, YOLOv8, Internet of Things (IoT), Node-RED, Computer Vision, Monitoring Kematangan.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah