@phdthesis{digilib74765,
           month = {August},
           title = {PERANCANGAN SISTEM PENGUSIRAN HAMA BURUNG DAN DETEKSI PENYAKIT PADI BERBASIS IOT DAN KECERDASAN BUATAN},
          school = {UIN SUNAN KALIJAGA YOGYAKARTA},
          author = {NIM.: 21106050026 Thoriq Firdaus Arifin},
            year = {2025},
            note = {Dr. Shofwatul Uyun, S.T., M.Kom.},
        keywords = {Computer Vision, Internet of Things, Deteksi Objek, Klasifikasi Gambar, Raspberry Pi, Systemd, Pertanian Presisi.},
             url = {https://digilib.uin-suka.ac.id/id/eprint/74765/},
        abstract = {Penurunan produktivitas padi akibat serangan hama burung dan penyakit tanaman menjadi tantangan serius bagi ketahanan pangan, di mana solusi konvensional seringkali terbatas dalam jangkauan, akurasi, dan kemampuan analisis skala luas. Penelitian ini bertujuan untuk merancang dan membangun sistem yang terintegrasi dan otonom dengan menggabungkan teknologi Internet of Things (IoT) dan Computer Vision untuk pemantauan dan mitigasi masalah pertanian secara real-time. Metodologi penelitian yang digunakan adalah metode pengembangan prototipe pada perangkat edge computing (Raspberry Pi 5 dengan akselerator AI Hailo-8L). Tiga model kecerdasan buatan dikembangkan: (1) model deteksi objek YOLOv8s untuk pengusiran hama burung, (2) model klasifikasi EfficientNetV2B2 untuk diagnosis penyakit daun, dan (3) model klasifikasi xresnet34 untuk analisis kondisi lahan dari tampak atas. Seluruh layanan perangkat lunak, termasuk REST API dan antarmuka pengguna, diorkestrasi menggunakan systemd untuk memastikan operasi yang robust dan terjadwal. Hasil penelitian menunjukkan bahwa sistem prototipe berhasil diimplementasikan dan terintegrasi. Model deteksi burung mencapai performa tinggi dengan mAP@50 sebesar 97.6\%, dan sistem mampu memberikan respons aktuator secara efektif. Sistem juga terbukti andal dalam mendeteksi penyakit dan dapat pulih secara otomatis dari kegagalan berkat manajemen layanan systemd, menunjukkan kelayakan sebagai solusi pertanian presisi.
Kata Kunci: Computer Vision, Internet of Things, Deteksi Objek, Klasifikasi Gambar, Raspberry Pi, Systemd, Pertanian Presisi.}
}