Deteksi Tandan Kelapa Sawit Menggunakan Deep Learning Dengan Algoritma Yolo

Penelitian ini bertujuan untuk mengembangkan sistem deteksi tingkat kematangan
tandan buah segar (TBS) kelapa sawit menggunakan teknologi deep learning
dengan algoritma YOLO. Dalam penelitian ini, TBS dikategorikan menjadi tiga
tingkat kematangan: matang, setengah matang, dan mentah. Data gambar yang
digunakan dalam penelitian diambil dari Koperasi Unit Desa (KUD) Desa
Berumbung Baru selama bulan November dan Desember 2023. Metodologi
penelitian mencakup studi literatur, pemrosesan awal data, dan teknik
pengumpulan data yang meliputi studi pustaka dan survei lapangan. Dataset yang
digunakan yaitu 3 tingkat kematangan dengan sampel data 300 gambar yakni
masing-masing 100 matang, 100 mentah, dan 100 setengah matang. Proses dalam
tools roboflow meliputi split dataset, anotasi data, preprocessing data, augmentasi
data, dan ekspor dataset. Kemudian, untuk proses algoritma YOLOv5 meliputi
menghubungkan file dataset ke google colab, menghubungkan dengan yolov5
master, training dataset, dan pengujian dataset. Hasil akurasi yang diperoleh dari
algoritma YOLOv5 yaitu sebesar 79,5%. Hasil dari penelitian ini diharapkan
dapat membantu masyarakat dalam mengenali dan mengidentifikasi tingkat
kematangan TBS kelapa sawit, sehingga dapat meningkatkan efisiensi dalam
pengelolaan panen.