PENERAPAN ALGORITMA K-MEANS DALAM ANALISIS PENILAIAN KUALITAS PELAYANAN PUSKESMAS PALEMBAYAN

Padi merupakan salah satu komoditas pertanian utama di indonesia yang rentan terhadap berbagai penyakit daun, seperti blast, blight, brown spot, dan tungro. Penyakit ini dapat menyebabkan penurunan produktivitas pertanian secara signifikan. Oleh karena itu, diperlukan suatu sistem yang dapat membantu petani dalam mendeteksi penyakit daun padi secara otomatis dan akurat. Penelitian ini bertujuan untuk mengembangkan aplikasi deteksi penyakit pada daun padi menggunakan teknologi computer vision berbasis python dan yolo. Metode penelitian meliputi tahapan problem scoping, data acquisition, data exploration, modeling, evaluation, dan deployment. Dataset yang digunakan diperoleh dari roboflow dan terdiri dari lima kelas, yaitu blast, blight, brown spot, healthy, dan tungro. Model yolo dilatih menggunakan google colab dengan parameter tertentu untuk meningkatkan akurasi deteksi. Hasil pengujian menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi sebesar 95% dan nilai mAP sebesar 95%, yang menunjukkan performa yang sangat baik dalam mendeteksi penyakit daun padi. Implementasi aplikasi berbasis web menggunakan flask dan bootstrap memungkinkan pengguna untuk mengunggah gambar daun padi dan mendapatkan hasil deteksi secara realtime. Dengan adanya aplikasi ini, petani dapat mengenali penyakit pada tanaman padi dan mengambil tindakan yang tepat untuk mengatasi permasalahan tersebut.