CONVOLUTIONAL BLOCK ATTENTION MODULE UNTUK PENCACAHAN POHON KELAPA SAWIT MENGGUNAKAN YOLO11
Pemantauan lahan perkebunan kelapa sawit secara akurat dan berkala sangat penting untuk mengoptimalkan produktivitas dan manajemen agronomi. Namun, pencacahan pohon sawit sering mengalami kendala akibat oklusi kanopi, yang menyebabkan kesalahan perhitungan. Penelitian ini mengusulkan model YOLO11n-seg-CBAM untuk meningkatkan akurasi pencacahan pohon sawit melalui penerapan Convolutional Block Attention Module (CBAM). Model ini diuji menggunakan foto udara ortografik dari drone, dan hasil evaluasi menunjukkan bahwa YOLO11n-seg-CBAM mencapai precision sebesar 94.8%, recall 94.8%, dan PR-Curve yang stabil (98.5%). Selain itu, IoU sebesar 82% menunjukkan deteksi bounding box yang akurat. Meskipun ukuran model meningkat menjadi 6.4 MB dengan 2.94 juta parameter akibat penambahan CBAM dibandingkan dengan tanpa CBAM. Hasil penelitian ini menunjukkan bahwa penggunaan CBAM dalam YOLO11 mampu meningkatkan deteksi pohon sawit secara akurat dalam kondisi oklusi.
Bagian
Informasi
Pengarang
Yanuarsyah Pratama / 152020063 - Personal Name120040903 - Dewi Rosmala, S.Si., M.IT. - Personal Name120060504 / Jasman Pardede, S.Si., M.T., Dr - Personal NameIrma Amelia Dewi, S.Kom., M.T., - Personal Name
No. Panggil
828IF/25
Subyek
Pencacahan Pohon Sawit, YOLO11, CBAM, Oklusi, UAV
Fakultas
FTI
Tahun Terbit
2025
Jurusan
Teknik Informatika
Deskripsi Fisik
Info Detil Spesifik
APA Style
. (2025).CONVOLUTIONAL BLOCK ATTENTION MODULE UNTUK PENCACAHAN POHON KELAPA SAWIT MENGGUNAKAN YOLO11 ().Teknik Informatika:FTI
Chicago Style
.CONVOLUTIONAL BLOCK ATTENTION MODULE UNTUK PENCACAHAN POHON KELAPA SAWIT MENGGUNAKAN YOLO11 ().Teknik Informatika:FTI,2025.
MLA Style
.CONVOLUTIONAL BLOCK ATTENTION MODULE UNTUK PENCACAHAN POHON KELAPA SAWIT MENGGUNAKAN YOLO11 ().Teknik Informatika:FTI,2025.
Turabian Style
.CONVOLUTIONAL BLOCK ATTENTION MODULE UNTUK PENCACAHAN POHON KELAPA SAWIT MENGGUNAKAN YOLO11 ().Teknik Informatika:FTI,2025.
