Sistem Deteksi dan klasifikasi Kematangan Buah Kelapa Sawit Menggunakan Drone Berbasis Algoritma YOLOv11 Dan Internet Of Things (IOT)

Latar Belakang. Industri kelapa sawit di Indonesia menghadapi tantangan besar pada tahun 2024, dengan penurunan ekspor akibat harga minyak sawit yang kurang kompetitif dibandingkan minyak nabati lainnya. Ekspor ke China dan India mengalami penurunan signifikan, sementara permasalahan produksi juga muncul, terutama dalam menentukan waktu panen yang optimal. Pemanenan yang tidak tepat waktu dapat berdampak pada kualitas dan rendemen minyak sawit, menjadikan pemantauan tingkat kematangan buah sangat penting. Tujuan. Penelitian ini bertujuan membuat sistem deteksi kematangan buah kelapa sawit menggunakan drone berbasis Internet of Things (IoT) dan Artificial Intelligence (AI) untuk optimalisasi panen dan produksi kelapa sawit. Metode. Penelitian, merancang sistem deteksi kematangan buah sawit berbasis drone yang terintegrasi dengan algoritma computer vision berbasis YOLO. Sistem ini mampu mengklasifikasikan tingkat kematangan buah sawit menjadi enam kategori yaitu: mentah, kurang masak, masak, terlalu masak, busuk, dan kosong dengan pengujian berbasis lapangan menggunakan metrik evaluasi seperti mean Average Precision (mAP), precision dan recall. Hasil. Hasil yang diharapkan dari penelitian ini adalah tersedianya dua sistem berbasis AI dan IoT yang siap diimplementasikan di industri kelapa sawit. Sistem deteksi kematangan berbasis drone akan mendukung optimalisasi panen, memastikan buah dipanen dalam kondisi optimal untuk meningkatkan rendemen dan kualitas Tandan Buah Segar (TBS). Kesimpulan. Sistem deteksi dan klasifikasi kematangan buah sawit berbasis drone dan AI ini terbukti efektif dalam mengidentifikasi tingkat kematangan buah di lapangan secara real-time. Penerapan sistem ini berpotensi meningkatkan efisiensi panen, mengurangi buah tidak layak panen, serta mendukung peningkatan produktivitas dan daya saing industri kelapa sawit Indonesia.