Deteksi Ulat Grayak Berbasis ESP32-CAM dan YOLOv8

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.