MODEL OBJEK DETEKSI POHON KELAPA SAWIT DARI CITRA UDARA MENGGUNAKAN METODE YOLO

Penelitian ini bertujuan untuk mengatasi kendala pendataan pohon kelapa sawit
secara manual di PT Sawit Mas Sejahtera yang membutuhkan waktu lama, biaya besar, serta rentan salah hitung akibat tumpang tindih kanopi. Solusi yang diusulkan adalah
sistem otomatisasi deteksi dan perhitungan jumlah pohon memanfaatkan citra udara
resolusi tinggi (Google Earth) berbasis teknologi computer vision dan deep learning
melalui algoritma YOLOv8. Dataset yang digunakan mencakup 1.000 citra layak hasil seleksi yang dianotasi
secara manual menggunakan aplikasi LabelImg. Pelatihan model dilakukan dengan
resolusi input 640×640 piksel, batch size 16,serta pengoptimal AdamWselama 100 epoch. Performa optimal model dicapai pada epoch ke-85 dengan ambang batas keyakinan
(confidence threshold)sebesar 0,50. Hasil evaluasi menunjukkan arsitektur YOLOv8 memiliki keandalan tinggi dalam
mengenali tajuk sawit dengan nilai Precision sebesar 93,2%, Recall 91,5%, dan mean
Average Precision (mAP@0.5) mencapai 94,8%. Pada fungsi perhitungan objek otomatis
(object counting), sistem memperoleh akurasi rata-rata sebesar 96,94% dibandingkan data
aktual lapangan. Model juga terbukti adaptif terhadap variasi pencahayaan lingkungan
dengan tingkat akurasi mencapai 96,2% pada kondisi normal, 93,8% pada kondisi terang
(glare), dan 91,5% pada kondisi redup. Penerapan sistem ini berhasil memangkas waktu
inventarisasi dari hitungan hari menjadi beberapa menit saja, sehingga sangat potensial
dalam mendukung konsep smart plantation. Kata Kunci: Kelapa Sawit, Deteksi Objek,Citra Udara, Deep Learning, YOLOv8.