DETEKSI KEMATANGAN KELAPA SAWIT MENGGUNAKAN MODEL YOLOV8 PADA GAMBAR DIGITAL

Abstract

Kelapa sawit merupakan salah satu komoditas perkebunan utama di Indonesia yang memiliki peran strategis dalam perekonomian nasional. Kualitas minyak kelapa sawit (CPO) sangat dipengaruhi oleh tingkat kematangan buah saat panen. Namun, penentuan tingkat kematangan masih banyak dilakukan secara manual. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis tingkat kematangan buah kelapa sawit menggunakan metode You Only Look Once versi 8 (YOLOv8) berbasis deep learning. Dataset citra buah sawit dengan empat kelas kematangan, yaitu mengkal, mentah, masak, dan terlalu masak dari Roboflow. Model YOLOv8 dilatih selama 50 epoch dengan ukuran citra 640×640 piksel, setelah itu dievaluasi menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil pengujian menunjukkan nilai precision rata-rata sebesar 96,5%, recall 84,9%, mAP@0.50 sebesar 95,8%, dan mAP@0.50–0.95 sebesar 82,8%. Model mampu mendeteksi kelapa sawit dengan akurasi tinggi dan kecepatan inferensi 10,3 milidetik per citra, sehingga potensial diterapkan pada sistem deteksi kematangan buah sawit secara real-time.