RANCANG BANGUN SISTEM PEMETAAN KEMATANGAN BUAH KELAPA SAWIT DAN PRIORITAS AREA PANEN MENGGUNAKAN YOLO DAN SAW DI DESA MUARA PADANG BANYUASIN

Saputra, Juriawan Raja (2026) RANCANG BANGUN SISTEM PEMETAAN KEMATANGAN BUAH KELAPA SAWIT DAN PRIORITAS AREA PANEN MENGGUNAKAN YOLO DAN SAW DI DESA MUARA PADANG BANYUASIN. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (15kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (94kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (148kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (472kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (974kB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (12kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (87kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Penentuan kematangan tandan buah segar (TBS) kelapa sawit di lapangan masih banyak dilakukan secara manual, sehingga bersifat subjektif dan rawan menimbulkan kesalahan panen, sementara penentuan area yang diprioritaskan untuk dipanen lebih dahulu juga belum dilakukan secara sistematis. Penelitian ini bertujuan mengembangkan dan mengevaluasi SawitScan, aplikasi Android yang menggabungkan deteksi objek YOLO26 untuk klasifikasi kematangan TBS (ripe, underripe, unripe) secara on-device melalui kamera smartphone, pencatatan koordinat GPS otomatis pada setiap deteksi, dan sistem pendukung keputusan Simple Additive Weighting (SAW) untuk menghitung skor prioritas panen setiap klaster lokasi. Model deteksi dilatih menggunakan arsitektur YOLO26n atas dasar arsitekturnya yang ringan dan desain end-to-end tanpa Non-Maximum Suppression yang sesuai untuk implementasi pada perangkat mobile, menggunakan dataset gabungan sebanyak 1.124 citra, kemudian model akhir dikonversi ke format TFLite dan diintegrasikan langsung ke dalam aplikasi. Skor prioritas panen tiap klaster dihitung dengan metode SAW berdasarkan kombinasi jumlah deteksi ripe, underripe, dan unripe, dengan bobot berurutan 0,6, 0,3, dan 0,1 sesuai urgensi panen. Model YOLO26n mencapai akurasi kompetitif pada data pelatihan (precision 89,8%, recall 87,3%, mAP@0.5 92,1%), sementara evaluasi independen model TFLite yang ter-embed pada aplikasi menghasilkan mAP@0.5 sebesar 0,748 dan F1-score 0,743 pada data uji. Hasil penelitian menunjukkan deteksi objek on-device, pemetaan berbasis GPS, dan sistem pendukung keputusan dapat diterapkan secara praktis pada perangkat mobile untuk mendukung perencanaan panen kelapa sawit yang lebih objektif dan efisien. Penelitian selanjutnya dapat diarahkan pada integrasi akuisisi data udara berbasis drone untuk pemetaan kanopi, pengembangan model prediksi waktu panen optimal berbasis riwayat deteksi, serta penambahan estimasi produksi (yield) disertai optimasi model agar aplikasi berjalan lebih ringan pada perangkat kelas bawah.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deteksi Objek; Kematangan Kelapa Sawit; Simple Additive Weighting; Sistem Pendukung Keputusan; YOLO26
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	25 Sep 2026 03:48
Last Modified:	25 Sep 2026 03:48
URI:	http://eprints.polsri.ac.id/id/eprint/27196

Actions (login required)

View Item