KLASIFIKASI CITRA BERBAGAI VARIAN JAGUNG (Zea mays) DAN SORGUM (Sorghum bicolor) MENGGUNAKAN ALGORITMA YOLOV11 DENGAN GRAPHICAL USER INTERFACE (GUI)

Jagung (Zea mays) dan sorgum (Sorghum bicolor) merupakan komoditas
pertanian penting yang berperan dalam ketahanan pangan dan industri. Perbedaan
varian biji berdasarkan warna, bentuk, dan tekstur sering menyulitkan proses
identifikasi dan penyortiran secara manual, yang cenderung lambat dan kurang
konsisten. Oleh karena itu, diperlukan sistem klasifikasi otomatis berbasis
pengolahan citra digital untuk meningkatkan efisiensi dan akurasi proses tersebut.
Penelitian ini bertujuan mengembangkan sistem klasifikasi citra berbagai
varian biji jagung dan sorgum menggunakan algoritma YOLOv11 yang terintegrasi
dengan Graphical User Interface (GUI). Metode penelitian meliputi pengumpulan
dan anotasi dataset citra, pelatihan model YOLOv11, serta evaluasi kinerja model
menggunakan metrik precision, recall, F1-score, dan mean Average Precision
(mAP). GUI berbasis Python dikembangkan untuk menampilkan hasil deteksi
berupa bounding box, label kelas, dan nilai confidence secara real-time melalui citra
uji maupun input webcam.
Hasil penelitian menunjukkan bahwa model YOLOv11 memiliki performa
yang sangat baik dalam mendeteksi dan mengklasifikasikan berbagai varian biji
jagung dan sorgum. Model mencapai nilai mAP@0.5 sebesar 0,995 dan
mAP@0.5–0.95 sebesar ±0,94, dengan nilai precision, recall, dan F1-score untuk
seluruh kelas berada mendekati 1,00. Implementasi GUI berhasil menyajikan hasil
deteksi secara informatif dan mudah dipahami, sehingga sistem ini berpotensi
digunakan sebagai alat bantu sortasi dan klasifikasi biji jagung dan sorgum pada
tahap pascapanen berbasis pengolahan citra digital.