<![CDATA[Penelitian ini menitikberatkan pada Augmentasi citra pohon kelapa sawit untuk deteksi objek menggunakan pendekatan Deep Learning. Pohon kelapa sawit memiliki peran penting dalam industri perkebunan dan pertanian, sehingga pengembangan metode deteksi pohon kelapa sawit yang efisien menjadi krusial dalam pemantauan perkebunan dan pengelolaan sumber daya alam. Metode penelitian melibatkan augmentasi citra, seperti flip, crop, hue, saturation, brightness, exposure dan pra-pemrosesan auto orient dan resize untuk meningkatkan kualitas data pelatihan. Model Deep Learning yang digunakan adalah Convolutional Neural Network (CNN) yang terintegrasi dengan teknik object detection, memungkinkan identifikasi pohon kelapa sawit dari latar belakang dengan akurasi tinggi. Penelitian ini menggunakan 101 citra kepala sawit dan setelah dilakukan augmentasi berjumlah 253 citra pohon kelapa sawit yang bervariasi dalam kondisi pencahayaan, sudut pandang, dan penutupan daun. Hasil eksperimen menunjukkan bahwa metode ini mampu mengidentifikasi pohon kelapa sawit dengan akurasi yang baik, bahkan dalam kondisi yang kompleks. Hasil penelitian ini memiliki potensi aplikasi dalam pemantauan perkebunan kelapa sawit, perencanaan lahan, dan pemantauan lingkungan. Dengan peningkatan akurasi deteksi dan ekstraksi, manajemen perkebunan dan pemantauan lingkungan dapat menjadi lebih efisien dan berkelanjutan.]]>
Copyrights © 2026
