<![CDATA[Kelapa sawit merupakan komoditas strategis Indonesia yang kualitas produksinya sangat bergantung pada ketepatan waktu panen, namun metode penilaian manual saat ini masih subjektif dan rentan kesalahan. Penelitian ini bertujuan membandingkan kinerja model YOLO11 standar dengan varian modifikasi YOLO11-Pear yang mengintegrasikan C2PSS Attention Module, DySample, dan lapisan deteksi 160×160 untuk mengatasi tantangan oklusi serta variasi ukuran buah. Berdasarkan pengujian pada epoch ke-200 menggunakan dataset citra lima kelas kematangan, model YOLO11-Pear mencapai kinerja optimal dengan Precision 0.9631, Recall 0.9635, dan mAP50 0.9876. Meskipun peningkatan metrik mAP50-95 tergolong marginal sebesar 0,22% dibandingkan model standar, secara kualitatif YOLO11-Pear menunjukkan stabilitas deteksi yang lebih tinggi, confidence score yang lebih baik, serta kemampuan meminimalkan kesalahan deteksi pada objek yang tertutup sebagian, sehingga terbukti lebih andal untuk diterapkan di lingkungan perkebunan yang kompleks.]]>
Copyrights © 2026
