<![CDATA[Klasifikasi kesehatan tanaman pepaya (Carica papaya L.) merupakan aspek penting dalam mendukung pertanian presisi karena informasi tersebut dapat dimanfaatkan untuk pemantauan kondisi tanaman, estimasi produktivitas, serta pengambilan keputusan manajemen kebun secara tepat. Metode konvensional yang mengandalkan observasi visual masih sering digunakan, tetapi kurang efisien pada skala luas dan berpotensi menimbulkan subjektivitas. Penelitian ini mengembangkan sistem klasifikasi kesehatan tanaman berbasis computer vision menggunakan algoritma deep learning YOLOv11 yang dilatih dari citra udara beresolusi tinggi hasil akuisisi UAV VTOL. Tahapan penelitian meliputi pengambilan data citra, pembuatan orthomosaic, segmentasi area of interest, tiling, anotasi ke dalam tiga kelas kesehatan yaitu Normal, Moderate, dan Abnormal, serta augmentasi hingga diperoleh 541 citra. Model dilatih selama 100 epoch dengan ukuran citra 1024 × 1024 piksel dan dievaluasi menggunakan precision, recall, F1-score, serta mean Average Precision. Hasil evaluasi menunjukkan bahwa model mencapai precision 0,801, recall 0,821, F1-score 0,811, dan mAP50 0,854 yang mengindikasikan kinerja yang baik. Meskipun demikian, kelas Moderate masih menjadi keterbatasan karena kemiripan karakteristik visual dengan kelas lainnya. Sistem ini mampu menghasilkan visualisasi distribusi spasial kesehatan tanaman yang informatif untuk mendukung implementasi pertanian presisi.]]>
Copyrights © 2026
