<![CDATA[Penelitian ini bertujuan untuk mengevaluasi performa model YOLOv26-nano dalam mendeteksi tandan buah kelapa sawit berbasis citra UAV pada kondisi lapangan nyata. Data diperoleh menggunakan drone dengan variasi kondisi pencahayaan, sudut pengambilan, serta gangguan lingkungan seperti occlusion dan noise visual. Tahapan penelitian meliputi akuisisi data, preprocessing (ekstraksi frame, cleaning, anotasi, resizing), pembagian dataset (training, validation, testing), serta pelatihan model menggunakan arsitektur YOLOv26 dengan parameter default. Evaluasi dilakukan menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil penelitian menunjukkan bahwa pada proses pelatihan, model mencapai precision sebesar 0.90–0.93, recall 0.88–0.92, serta mAP50 sebesar 0.91–0.94, yang menunjukkan kemampuan deteksi yang sangat baik. Pada tahap pengujian, model terbaik (best model) memperoleh precision 0.936–0.938, recall 0.775–0.799, mAP50 0.773–0.851, dan mAP50–95 sebesar 0.631–0.643. Sementara itu, model terakhir (last model) menunjukkan performa yang sedikit lebih rendah. Hasil ini menunjukkan bahwa YOLOv26 memiliki kemampuan yang baik dalam mendeteksi objek, namun masih memiliki keterbatasan dalam lokalisasi bounding box pada objek kecil dan kompleks. Penelitian ini membuktikan bahwa YOLOv26 efektif digunakan untuk deteksi tandan kelapa sawit berbasis UAV, meskipun masih memerlukan pengembangan lebih lanjut untuk meningkatkan akurasi pada kondisi lapangan yang kompleks.]]>
