<![CDATA[Kelapa sawit merupakan komoditas penting bagi perekonomian Indonesia, dengan luas perkebunan mencapai 15 juta hektar dan produksi CPO 24,9 juta ton (2023). Produktivitas tanaman sering terganggu oleh penyakit daun, sementara petani kesulitan mengidentifikasi penyakit secara akurat. Penelitian ini bertujuan mengembangkan sistem deteksi penyakit daun kelapa sawit menggunakan algoritma YOLOv10, dengan fokus pada tiga jenis penyakit: bercak daun (Culvularia), defisiensi kalium, dan karat daun. Dataset terdiri dari 130 gambar primer dari lapangan dan 120 gambar sekunder dari Kaggle. Preprocessing meliputi normalisasi ukuran, cropping, resizing, dan perbaikan kualitas gambar. Augmentasi data dilakukan dengan teknik rotasi, flipping, dan blurring. Hasil penelitian menunjukkan performa menjanjikan dengan mAP@0.5 sebesar 75,3%. Defisiensi kalium mencapai akurasi tertinggi (90%), sementara bercak daun (69%) dan karat daun (54%) menunjukkan hasil bervariasi. Model diimplementasikan dalam aplikasi Android dengan fitur deteksi, informasi penyakit, dan panduan perawatan, berhasil melakukan 27 deteksi benar dari 30 sampel. Sistem ini menawarkan solusi praktis bagi petani untuk mengidentifikasi dan menangani penyakit kelapa sawit secara efektif.]]>
Copyrights © 2025
