View/Open

Author
ANISA, FITRI

Date Published
16 Jun 2026

Advisor
Triyana Muliawati, S.Si., M.Si.,
Dr. Danni Gathot Harbowo, S.Si., M.T.,

Subject
Matematika

Publisher

Inventarisasi dan penghitungan jumlah pohon dipterocarpaceae menjadi kegiatan penting dalam pengelolaan sumber daya hutan, karena nilai ekonomisnya yang tinggi serta sebagai pohon penyerap karbon terbesar. Namun, proses penghitungan jumlah kanopi pohon pada area hutan yang luas masih banyak dilakukan secara manual sehingga memerlukan waktu, tenaga, dan biaya yang besar serta berpotensi menimbulkan kesalahan perhitungan. Oleh karena itu, diperlukan metode otomatis untuk membantu proses penghitungan jumlah pohon secara lebih cepat dan efisien. Penelitian ini bertujuan membangun model deteksi objek menggunakan algoritma YOLOv8 untuk mendeteksi dan menghitung jumlah kanopi pohon dipterocarpaceae pada citra digital serta menganalisis performa model dalam mendeteksi kanopi pohon tersebut. Penelitian dilakukan di Hutan Penelitian Haurbentes, Jasinga, Bogor menggunakan dataset sebanyak 70 citra udara digital yang diperoleh dari Google Maps dan Google Earth Pro. Model yang digunakan adalah YOLOv8n karena memiliki ukuran model yang lebih ringan dan kecepatan inferensi yang lebih tinggi dibandingkan varian lainnya. Hasil penelitian menunjukkan bahwa model memperoleh nilai mAP@50 sebesar 75,5%, precision 73%, recall 69,6%, dan F1-score 71,3%. Pada pengujian aktual, model berhasil mendeteksi 218 objek dari total 228 objek dengan nilai MAPE sebesar 30,55%. Hasil tersebut menunjukkan bahwa algoritma YOLOv8n mampu mendeteksi dan menghitung kanopi pohon dipterocarpaceae secara otomatis dengan performa yang cukup baik pada citra udara digital.

URI
https://repo.itera.ac.id/depan/submission/SB2606090106

Keyword
Dipterocarpaceae YOLOv8n Deteksi Objek Citra Digital Penghitungan Kanopi Pohon