DETEKSI OTOMATIS UNTUK SENSUS POHON KELAPA SAWIT MENGGUNAKAN YOLOV11 DALAM MENDUKUNG DIGITALISASI DI PT BAKRIE SUMATERA PLANTATION

Abstract

). Penelitian ini bertujuan membuat plugin untuk deteksi otomatis sensus pohon kelapa sawit menggunakan algoritma YOLOv11 yang terintegrasi dengan QGIS. Metode yang digunakan adalah kuantitatif dengan pendekatan pengembangan sistem (Research and Development). Data berupa citra udara drone DJI Air 3S pada Blok P14402 Sei Baleh Estate (±24 Ha) yang melalui tahapan pelabelan menggunakan Roboflow, pelatihan model selama 100 epoch di Google Colab berbasis Convolutional Neural Network (CNN), serta pengujian menggunakan teknik Sliced Aided Hyper Inference (SAHI) dilengkapi post-processing NMS dan DBSCAN. Hasil evaluasi model menunjukkan nilai Precision 0,96, Recall 0,95, mAP@IoU=0,5 sebesar 0,98, dan F1-Score 0,955. Plugin ini berhasil mendeteksi 4.886 pohon kelapa sawit secara otomatis dan menghasilkan koordinat geografis WGS84 yang divisualisasikan sebagai layer spasial di QGIS. Pengujian Black Box Testing pada 9 skenario fungsional seluruhnya berhasil. Sistem otomatis terbukti lebih efisien dari sisi waktu, konsistensi hasil, dan skalabilitas dibandingkan metode manual, sehingga mendukung digitalisasi manajemen perkebunan di PT Bakrie Sumatera Plantation.