View/Open

Author
Soraya, Kamiliya Anas

Date Published
17 Sep 2026

Advisor
Tri Siswandi Syahputra, S.Si, M.Si.,
Harmiansyah, S.T., M.T.,

Subject
Teknik Biosistem

Publisher

Penentuan grade tandan buah segar (TBS) kelapa sawit selama ini masih dilakukan secara manual, sehingga rentan terhadap subjektivitas dan memakan waktu. Perkembangan teknologi deep learning, khususnya object detection, membuka peluang untuk mengotomatisasi proses tersebut secara lebih cepat dan konsisten. Penelitian ini bertujuan mengembangkan sistem smart counting untuk mendeteksi dan menghitung buah pada TBS guna menentukan tingkat kematangan tandan di kelas Mentah, Matang, Lewat Matang, sehingga dapat membantu proses sortasi di lapangan menjadi lebih efisien dan objektif. Penelitian dibatasi pada citra TBS yang diambil menggunakan kamera smartphone pada area sortasi pabrik dan diverifikasi oleh grader berpengalaman. Metode dilakukan dengan melatih dan membandingkan tiga arsitektur YOLO yaitu YOLOv8, YOLO11, YOLO26 pada berbagai konfigurasi epoch yaitu 100,150 dan 200, kemudian model terbaik diimplementasikan ke dalam sistem smart counting. Hasil pengujian menunjukkan model YOLO11 pada epoch 100 memperoleh performa deteksi terbaik dengan mAP50 sebesar 78,89

URI
https://repo.itera.ac.id/depan/submission/SB2609150013

Keyword
YOLO Deteksi Objek Smart counting TBS Kelapa Sawit