Text

PENERAPAN TUNE MAPPING DAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) PADA DETEKSI KELAPA SAWIT PRODUKTIF

---

Penelitian ini memajukan pertanian presisi melalui klasifikasi kesehatan tanaman kelapa sawit berbasis deep learning, dengan inovasi integrasi pipeline deteksi dan klasifikasi serta manajemen data yang efisien. Strategi utama menggunakan transfer learning dengan arsitektur MobileNetV2 yang telah pre-trained, dioptimalkan melalui fine-tuning classifier kustom dan pembekuan layer dasar untuk efisiensi komputasi. Inovasi kunci adalah pengembangan pipeline konversi dataset deteksi objek YOLOv8 menjadi format klasifikasi, diterapkan pada 26.249 citra hasil ekstraksi video drone dari perkebunan kelapa sawit di Sumatera Selatan. Citra yang dipraproses menjadi ukuran 160×160×3 piksel diproses melalui arsitektur CNN sistematis—dimulai dari lapisan konvolusi awal dengan 32 filter hingga representasi fitur akhir 1.280 neuron—sebelum diklasifikasikan ke dalam tiga kategori kesehatan menggunakan aktivasi Softmax. Pelatihan model menunjukkan stabilitas tinggi, didukung mekanisme EarlyStopping dan ModelCheckpoint untuk mencegah overfitting. Evaluasi kuantitatif mencapai akurasi validasi tertinggi 86,05% dengan loss 0,527 pada epoch ke-14, melampaui performa model YOLOv8 maupun MobileNetV2 secara terpisah. Temuan ini mengonfirmasi efektivitas integrasi sekuensial deteksi-klasifikasi untuk pengenalan kondisi tanaman secara presisi. Secara keseluruhan, pendekatan ini terbukti efektif dan praktis untuk pemantauan kesehatan kelapa sawit berbasis drone mendekati real-time, berkontribusi nyata pada sistem pertanian presisi modern.

---

Availability

Detail Information

Series Title

-

Call Number

T1894602025

Publisher

Palembang : Prodi Doktor Ilmu Teknik, Fakultas Teknik Universitas Sriwijaya., 2025

Collation

xi, 227 hlm.; ilus.; tab, 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

633.850 7

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Tanaman Kelapa Sawit
Prodi Doktor Ilmu Teknik

Specific Detail Info

-

Statement of Responsibility

MI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment