Ubi jalar ungu merupakan tumbuhan merambat yang hidup di segala cuaca, di daerah

pegunungan maupun di pantai. Dipilihnya ubi jalar ungu dalam penelitian ini karena
komoditas ini telah banyak di Indonesia, khususnya di Pulau Jawa sehingga mudah didapat,
harganya relatif murah, tidak memberikan efek merugikan bagi kesehatan, memiliki kulit dan
daging yang berwarna ungu sehingga kaya akan pigmen antosianin yang lebih tinggi bila
dibandingkan dengan varietas lain sehingga dapat digunakan sebagai pewarna baik untuk
minuman maupun untuk makanan. Ubi jalar merupakan sebuah komoditas sumber
karbohidrat utama setelah padi, jagung dan ubi kayu. Di Indonesia, ubi jalar di konsumsi
sebagai makanan tambahan atau sampingan. Tidak hanya itu, ubi jalar juga sering di ekspor
keluar negeri. Salah satunya yaitu kawasan Eropa. Di eropa sendiri ubi jalar kali ini banyak
digemari karena makanan yang menghasilkan karbohidrat. Dalam hal ini peneliti
menggunakan yolo pada deteksiv4 dalam deteksi kualitas ubi jalar ungu. Peneliti
menggunakan metode yolo karena pada penelitian sebelumnya yolo sudah diterapkan dan
terbukti memiliki tingkat deteksi wajah yang baik. Sehingga dalam proses pengenalan wajah
dalam sistem mendapatkan hasil prediksi wajah yang sesuai.
Metode You Only Look Once (YOLO) juga pernah dilakukan memiliki akurasi yang baik
untuk mendeteksi wajah dengan berbagai sudut pandang kamera. Perubahan jarak antara
object terhadap kamera tidak terlalu berpengaruh terhadap proses pendeteksian wajah. Proses
deteksi yang digunakan dalam mendeteksi jumlah orang memiliki akurasi dan kestabilan
yang baik dalam mendeteksi obyek (dalam hal ini orang) terlihat pada tingkat kestabilan
pendeteksian dimana pengaturan kamera diatur dengan sudut kemiringan 45 derajat kebawah
dan diletakkan di salah satu sudut ruangan dengan tinggi kurang lebih 10 meter menghasilkan
sebuah grafik dimana dalam vidio 30 detik, selama 27 detik sistem dapat mendeteksi obyek
secara terus menurus. Namun masih terdapat kekurangan dalam mendeteksi obyek yang
berada jauh pada kamera ataupun karena kurangnya pencahayaan yang cukup. Penggunaan
algoritma YOLOv4 untuk mendeteksi dan mengenali citra daun untuk tanaman mangga
berhasil dilakukan. Untuk setiap jenis daun mangga hanya ada 10 helai daun sebagai sampel.
Dari 10 helai daun itu diambil foto dari berbagai sisi dan di pindai sehingga mendapat banyak
data untuk menjadi dataset penelitian. Pada penelitian sebelumnya telah dilakukan prediksi
deteksi kerusakan ubi jalar cilembu menggunakan gelombang ultrasonik. Penelitian tersebut,
dilakukan untuk mengidentifikasikan karakteristik ubi jalar menggunakan gelombang
ultrasonik. Hasil yang diperoleh dalam penelitian tersebut, prediksi dalam menentukan
karakteristik menggunakan ultrasonik yaitu dengan persentasi keberhasilan mencapai
54.29%.
Kemudian dalam penelitian sebelumnya juga pernah dilakukan mengenai penerapan neural
network menggunakan metode learning quantization pada ubi jalar. Metode yang dilakukan
dalam penelitian tersebut melakukan sebuah pengumpulan data menggunakan studi pustaka,
observasi dan wawancara. Selain itu penelitian tersebut di latar belakangi dengan
mengklasifikasikan jenis dari ubi jalar. Hasil yang didapatkan dalam penelitian tersebut
sistem klasifikasi ubi jalar menggunakan metode learning vector quantization dengan image
processing yaitu menghasilkan 69 data yang berhasil dan 11 yang gagal dengan persentasi
sebesar 86.25%. Pada hasil testing mendapatkan 18 data yang berhasil dan 2 data yang gagal
dengan persentase mencapai 90%.
Dalam paparan berikut, tujuan dalam penelitian yang akan digunakan yaitu membuat sistem
deteksi objek ubi jalar ungu untuk ekspor menggunakan yolo v4. Kemudian, dalam hal ini
tujuan lain yang dalam penelitian ini yaitu untuk memudahkan dalam mendeteksi ubi jalar
ungu sesuai dengan grade dan kualitasnya.