Modul Deep learning Yolo untuk Menghitung Jumlah Pohon Karet Berbasis Foto Udara dari Pesawat Nirawak (UAV).

Abstract

Penelitian bertujuan mendeteksi pohon karet menggunakan model deep learning dari foto udara yang merupakan salah satu metode cepat perhitungan populasi pohon karet. Data sensus pohon karet menyediakan data penting terkait produktivitas karet, kebutuhan pupuk, dan jumlah pekerja yang dibutuhkan. Tahapan dimulai dengan Pengumpulan, pemotongan, identifikasi, dan pelabelan dataset, pengujian Model deep learning, analisis hasil dan perbaikan Model deep learning. Analisis confusion matrix pada Foto Udara yang diambil pada ketinggian 200m dari dua lokasi yang berbeda menghasilkan masing-masing 258 pohon karet terdeteksi dan 31 tidak terdeteksi di lokasi pertama, dan sebanyak 243 pohon karet terdeteksi dan 33 yang tidak terdeteksi pada lokasi kedua. Sedangkan analisis foto udara yang diambil dari ketinggian 120m mendeteksi lebih sedikit pohon karet, yakni 170 pohon karet terdeteksi dan 109 tidak terdeteksi. Hal ini dikarenakan model hanya dilatih dengan dataset pada ketinggian 200 m. Perbedaan ketinggian pengambilan Foto Udara berpengaruh pada bentukan dan besaran tajuk yang dimiliki oleh objek pohon karet pada area tersebut. Model menunjukkan hasil yang baik dalam mendeteksi objek pohon karet pada foto yang diambil dari dua ketinggian tersebut. Dalam evaluasi umum, didapatkan rata–rata Acuraccy 77,06%, Precision 79,8%, dan recall 95,5%.