Implementation of YOLOv5 for Pest Detection on Chili Plants Using a Web Based Streamlit Framework
Implementasi Yolo V5 Dalam Deteksi Hama Pada Tanaman Cabai Berbasis Web Menggunakan Framework Streamlit
DOI:
https://doi.org/10.21070/ups.11924Keywords:
YOLO V5, pest detection, chili plants, computer vision, StreamlitAbstract
Tanaman cabai merupakan komoditas penting dalam sektor pertanian yang rentan terhadap serangan hama, seperti kutu daun, kutu kebul, thrips, dan ulat. Proses deteksi hama yang masih dilakukan secara manual membutuhkan waktu dan kurang efisien, sehingga diperlukan teknologi untuk membantu proses identifikasi secara otomatis. Penelitian ini bertujuan mengimplementasikan algoritma YOLOv5 untuk mendeteksi hama pada tanaman cabai serta mengembangkan aplikasi berbasis web menggunakan framework Streamlit. Dataset yang digunakan terdiri atas 1.609 gambar dengan empat kelas hama yang telah dianotasi menggunakan bounding box. Pelatihan model dilakukan menggunakan Google Colab, sedangkan evaluasi menggunakan precision, recall, dan mAP@0.5. Hasil penelitian menunjukkan bahwa model YOLOv5 memperoleh nilai mAP@0.5 sebesar 0,720, dengan performa tertinggi pada kelas ulat sebesar 0,777. Model kemudian diimplementasikan pada aplikasi web yang memungkinkan pengguna mengunggah gambar tanaman cabai dan memperoleh hasil deteksi secara otomatis. Sistem ini diharapkan dapat membantu meningkatkan efisiensi identifikasi hama pada tanaman cabai.
Downloads
References
D. R. Amalia And W. Ziaulhaq, “Pelaksanaan Budidaya Cabai Rawit Sebagai Kebutuhan Pangan Masyarakat Implementation Of Cayenne Pepper Cultivation As Community Food Needs,” Vol. 1, No. 1, Pp. 27–36, 2022.
P. Di Et Al., “Sukasari Kecamatan Air Periukan Kabupaten Seluma Provinsi Bengkulu,” 2022.
S. Nasional, T. Elektro, S. Informasi, And T. Informatika, “Rancang Bangun Alat Perangkap Hama Pada Tanaman Cabai ( Capsicum Annuum L) Menggunakan Mikrokontroller Arduino Uno Dan Sensor Pir Berbasis Android,” Pp. 141–147, 2022.
K. Melak, U. L. U. Kecamatan, M. Kabupaten, And K. Barat, “Pengendalian Hama Tanaman Cabai Pada Kelompok Tani Sukakarya Kelurahan Melak Ulu Kecamatan Melak Kabupaten Kutai Barat,” Vol. 1, No. 2, Pp. 674–680, 2024.
H. I. Sumayanti And K. Serang, “Teknik Pengendalian Hama Dan Penyakit Tanaman Cabai Merah Di Kecamatan Walantaka Kota Serang Provinsi Banten Pest And Disease Control Techniques Of Red Chillies In Walantaka District , City Of Serang Banten Province,” Vol. 5, No. 1, Pp. 339–346, 2023.
E. Lombok, “Keragaman Serangga Hama Dan Musuh Alami Pada Tanaman Cabai Rawit ( Capsicum Frutescens L .) Di Kecamatan Labuhan Haji Kabupaten Lombok Timur Diversity Of Insects , Pests And Natural Enemies On Cayenne Chili Plants ( Capsicum Frutescens L .) In Labuhan Haji District , East Lombok,” Vol. 2, No. 3, Pp. 349–361, 2023.
Y. Fang, X. Guo, K. Chen, Z. Zhou, And Q. Ye, “Accurate And Automated Detection Of Surface Knots On Sawn Timbers Using Yolo-V5 Model,” Vol. 16, No. 2017, Pp. 5390–5406, 2021.
B. Wu, C. Pang, And X. Zeng, “Applied Sciences Me-Yolo : Improved Yolov5 For Detecting Medical Personal Protective Equipment,” 2022.
K. Muchtar, S. Member, Y. Hafifah, And A. Febriana, “Edge Ai-Based Detection For Defective Coffee Beans Using Deep Learning And Streamlit Framework,” Ieee Access, Vol. 13, No. March, Pp. 67977–67992, 2025, Doi: 10.1109/Access.2025.3561189.
R. Hanson, “Stmol : A Component For Building Interactive Molecular Visualizations Within Streamlit Web-Applications,” No. September, Pp. 1–10, 2022, Doi: 10.3389/Fmolb.2022.990846.
Y. Zhang, Z. Guo, J. Wu, Y. Tian, H. Tang, And X. Guo, “Real-Time Vehicle Detection Based On Improved Yolo V5,” 2022.
O. E. Olorunshola, M. E. Irhebhude, And A. Eseoghene, “A Comparative Study Of Yolov5 And Yolov7 Object Detection Algorithms,” Vol. 2, No. 1, Pp. 1–12, 2023.
S. Georgeon Et Al., “Computational Design Of Soluble And Functional Membrane Protein Analogues,” Vol.
, No. July, 2024, Doi: 10.1038/S41586-024-07601-Y.
N. Carolina, Visual Studio Code In Introductory Computer Science Course : An Experience Report, Vol. 1, No. 1. Association For Computing Machinery.
Q. Lin, G. Ye, J. Wang, And H. Liu, “Roboflow : A Data-Centric Workflow Management System For Developing Ai-Enhanced Robots,” No. Corl, 2021.
F. Ciaglia, F. S. Zuppichini, P. Guerrie, M. Mcquade, And J. Solawetz, “Roboflow 100: A Rich, Multi-Domain Object Detection Benchmark,” 2021.
Downloads
Additional Files
Posted
License
Copyright (c) 2026 UMSIDA Preprints Server
This work is licensed under a Creative Commons Attribution 4.0 International License.
