%D 2025
%K Kelapa Sawit, Objek Deteksi, YOLOv8, Aplikasi Desktop, Palm Tree, Object Detection, Desktop Application
%I Universitas Pendidikan Indonesia
%A - Izzan Alfadhil
%A - Muhammad Taufik Dwi Putra
%A - Anugrah Adiwilaga
%T RANCANG BANGUN APLIKASI UNTUK MENGESTIMASI PRODUKTIVITAS PERKEBUNAN KELAPA SAWIT MENGGUNAKAN CITRA UAV BERBASIS YOLOV8
%L repoupi137537
%O https://scholar.google.com/citations?view_op=list_works&hl=id&authuser=2&user=tV01jLwAAAAJ&gmla=AH8HC4ygutD_m8UhdG6s-mQ4VmqvH4suwnj-V6qhtOxLFAfOd84mo3weZQzWgO1Lb1tozfRFaRqO7SKLAhyGeJapAvAOBcAU46VdecyxrCXEr5IB0lTp

ID SINTA Dosen Pembimbing:
Muhammad Taufik Dwi Putra: 6745726
Anugrah Adiwilaga: 6745914
%X Peremajaan Sawit Rakyat (PSR) merupakan program pemerintah yang krusial untuk meningkatkan produktivitas perkebunan kelapa sawit di Indonesia, namun proses validasi persyaratannya sering kali terhambat oleh metode manual yang lambat dan tidak akurat dalam menghitung jumlah pohon. Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi desktop untuk mengatasi masalah tersebut, dengan mengestimasi produktivitas perkebunan kelapa sawit secara efisien menggunakan citra UAV berbasis YOLOv8. Model deep learning dikembangkan menggunakan pendekatan transfer learning pada arsitektur YOLOv8 dan dilatih menggunakan dataset citra UAV perkebunan kelapa sawit yang telah dianotasi dengan 7.628 objek pohon kelapa sawit. Model yang telah dilatih kemudian diimplementasikan ke dalam aplikasi desktop.  Hasil pengujian menunjukkan bahwa model yang dikembangkan memiliki kinerja yang sangat baik, dengan model YOLOv8n mencapai F1-Score tertinggi sebesar 94,48% dalam mendeteksi pohon kelapa sawit. Pengujian fungsionalitas aplikasi juga menunjukkan bahwa seluruh fitur berjalan sesuai dengan yang diharapkan. Penelitian ini berhasil menghasilkan sebuah aplikasi fungsional yang mampu memberikan solusi praktis dan cukup akurat bagi pihak yang menyetujui peserta program PSR.
-------
Peremajaan Sawit Rakyat (PSR) is a crucial government program to increase the productivity of oil palm plantations in Indonesia, but the validation process is often hampered by slow and inaccurate manual methods of calculating the number of trees. This study aims to design and develop a desktop application to address this issue by efficiently estimating oil palm plantation productivity using UAV imagery based on YOLOv8. The deep learning model was developed using a transfer learning approach on the YOLOv8 architecture and trained using a UAV image of palm tree plantation dataset annotated with 7,628 oil palm tree objects. The trained model was then implemented into a desktop application. Testing results showed that the developed model performed exceptionally well, with the YOLOv8n model achieving the highest F1-Score of 94.48% in detecting oil palm trees. Functional testing of the application also demonstrated that all features operated as expected. This research successfully produced a functional application that is capable of providing practical and fairly accurate solutions for parties who approve the PSR program participants.