Augmentasi citra pohon kelapa sawit untuk deteksi objek berbasis Deep Learning

Dedy Mirwansyah, Achmad Solichin, Fahrullah Fahrullah

Abstract


Penelitian ini menitikberatkan pada Augmentasi citra pohon kelapa sawit untuk deteksi objek menggunakan pendekatan Deep Learning. Pohon kelapa sawit memiliki peran penting dalam industri perkebunan dan pertanian, sehingga pengembangan metode deteksi pohon kelapa sawit yang efisien menjadi krusial dalam pemantauan perkebunan dan pengelolaan sumber daya alam. Metode penelitian melibatkan augmentasi citra, seperti flip, crop, hue, saturation, brightness, exposure dan pra-pemrosesan auto orient dan resize untuk meningkatkan kualitas data pelatihan. Model Deep Learning yang digunakan adalah Convolutional Neural Network (CNN) yang terintegrasi dengan teknik object detection, memungkinkan identifikasi pohon kelapa sawit dari latar belakang dengan akurasi tinggi. Penelitian ini menggunakan 101 citra kepala sawit dan setelah dilakukan augmentasi berjumlah 253 citra pohon kelapa sawit yang bervariasi dalam kondisi pencahayaan, sudut pandang, dan penutupan daun. Hasil eksperimen menunjukkan bahwa metode ini mampu mengidentifikasi pohon kelapa sawit dengan akurasi yang baik, bahkan dalam kondisi yang kompleks. Hasil penelitian ini memiliki potensi aplikasi dalam pemantauan perkebunan kelapa sawit, perencanaan lahan, dan pemantauan lingkungan. Dengan peningkatan akurasi deteksi dan ekstraksi, manajemen perkebunan dan pemantauan lingkungan dapat menjadi lebih efisien dan berkelanjutan.

References


K. Rega Prilianti, H. Setiawan, and P. Mimboro, “Metode Deteksi Pokok Pohon Secara Automatis Pada Citra Perkebunan Sawit Menggunakan Model Convolutional Neural Network (Cnn) Pada Perangkat Lunak Sistem Informasi Geografis,” vol. 9, no. 7, pp. 1689–1698, 2022, doi: 10.25126/jtiik.202296772.

R. Fajriani, “Klasifikasi Citra Kebun Resolusi Tinggi Menggunakan Convolutional Neural Network Berdasarkan Ekstraksi Ciri,” Skripsi, 2023.

M. R. Rahman, R. Kusumawati, and F. Fatimah, “Deteksi Objek Menghitung Pohon Kelapa Sawit Menggunakan Metode Deep Learning Object Detection Tree Counting Palm Oilusing Deep Learning Metodh,” BINA: JURNAL PEMBANGUNAN DAERAH, vol. 2, no. 1, 2023.

R. Setya Nugraha and A. Hermawan, “Optimasi Akurasi Metode Convolutional Neural Network Untuk Klasifikasi Kualitas Buah Apel Hijau,” 2023.

I. Vasilev, Python Deep Learning: Exploring deep learning techniques and neural network architectures with Pytorch, Keras, and TensorFlow, no. 2. 2019.

L. Ma, Y. Liu, X. Zhang, Y. Ye, G. Yin, and B. A. Johnson, “Deep learning in remote sensing applications: A meta-analysis and review,” 2019. doi: 10.1016/j.isprsjprs.2019.04.015.

F. Chollet, “Deep learning With Python,” 2018.

M. M. Taye, “Understanding of Machine Learning with Deep Learning: Architectures, Workflow, Applications and Future Directions,” May 01, 2023, MDPI. doi: 10.3390/computers12050091.

J. Sanjaya and M. Ayub, “Augmentasi Data Pengenalan Citra Mobil Menggunakan Pendekatan Random Crop, Rotate, dan Mixup,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 6, no. 2, Aug. 2020, doi: 10.28932/jutisi.v6i2.2688.

M. Fadli Gunardi, “Implementasi Augmentasi Citra pada Suatu Dataset,” 2023.

D. Putri Ayuni, Jasril, I. Muhammad, F. Yanto, and S. Sanjaya, “Augmentasi Data Pada Implementasi Convolutional Neural Network Arsitektur Efficientnet-B3 Untuk Klasifikasi Penyakit Daun Padi Tugas Akhir,” 2023.

B. Elia, I. Dewa, M. Bayu, and A. Darmawan, “Klasifikasi Kesegaran Daging Sapi Menggunakan Deep Learning Arsitektur VGG16 Dengan Augmentasi Citra,” 2022.

T. Bayu Sasongko and A. Amrullah, “Analisis Efek Augmentasi Dataset Dan Fine Tune Pada Algoritma Pre-Trained Convolutional Neural Network (CNN),” vol. 10, no. 4, pp. 763–768, 2023, doi: 10.25126/jtiik.2023106583.

A. Syahlan Prayoga, “Augmentasi Data Untuk Pengenalan Pola Citra Tulisan Tangan Aksara Sunda Menggunakan Metode Convolutional Neural Network,” 2021.

F. A. Iskandar, I. Iskandar, and L. Wijayanti, “KOMPETENSI PUSTAKAWAN DALAM MANAJEMEN PENGEMBANGAN KOLEKSI DI PERPUSTAKAAN PERGURUAN TINGGI: TINJAUAN LITERATUR SISTEMATIS,” JURNAL ILMU PERPUSTAKAAN (JIPER), vol. 4, no. 2, 2022, doi: 10.31764/jiper.v4i2.10205.




DOI: https://doi.org/10.21107/simantec.v14i2.27270

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Dedy Mirwansyah, Achmad Solichin, Fahrullah Fahrullah

Indexed By