<![CDATA[Kelapa Sawit merupakan komoditas strategis di Indonesia yang menjadi salah satusumber devisa utama. Tingkat kematangan buah kelapa sawit sangat berpengaruhterhadap kualitas minyak yang dihasilkan, sehingga diperlukan metode yang cepat,tepat, dan konsisten untuk mendeteksi tingkat kematangan buah. Dalam metedoKonversional masih mengandalkan pengamatan visual oleh pekerja lapangan seringbersifat subjektif dan tidak efesien.Dengan hal tersebut,penelitian ini mengusulkanpenerapan model object detection berbasis YOLOv11 untuk mendeteksikematangan buah kelapa sawit. Model YOLOv11 dipilih karena memilikikeunggulan dalam kecepatan inferensi dan akurasi deteksi pada objek kecil maupunkompleks. Untuk memfasilitasi penggunaan di lingkungan produksi,Model yangtelah dilatih dikonversi ke format ONNX dan dijalankan menggunakan ONNXRuntime agar memperoleh perfoma inferensi yang lebih optimal pada sumber dayaterbatas. Selanjutnya, aplikasi antarmuka berbasis Streamlit dikembangkan untukmemudahkan pengguna dalam mengunggah gambar atau video dan memperolehhasil deteksi secara real-time. Diharapkan, sistem ini mampu memberikan solusipraktis, efisien, dan akurat dalam mendukung proses panen buah kelapa sawit.]]>
Copyrights © 2025
