// <![CDATA[MASK R-CNN DAN NORMALIZED DIFFERENCE VEGETATION INDEX UNTUK KLASIFIKASI KESEHATAN POHON KELAPA SAWIT MENGGUNAKAN CITRA MULTISPEKTRAL]]> Irma Amelia Dewi, S.Kom., M.T. Dosen Pembimbing 1 Marisa Premitasari, St,.. M.T. Penguji 2 120070301 - Lisa Kristiana, S.T., M.T., Ph.D. Penguji 1 ZULFA SULTHANY ALMAWAHIB / 152020096 Penulis
Kelapa sawit adalah komoditas utama industri minyak nabati. Namun, penyakit Basal Stem Rot (BSR) yang disebabkan oleh Ganoderma boninense menempatkan produktivitas di bawah bahaya yang signifikan, terutama di Asia Tenggara. Dengan menggunakan teknologi Unmanned Aerial Vehicle (UAV) yang dilengkapi sensor multispektral, penelitian ini mengidentifikasi dan menganalisis kesehatan pohon kelapa sawit. Teknologi ini dikombinasikan dengan algoritma Mask R-CNN untuk segmentasi tajuk pohon dan NDVI (Normalized Difference Vegetation Index) untuk klasifikasi kesehatan pohon. Hasil validasi model menunjukkan akurasi yang cukup baik; pada pengujian dengan dataset baru, model mencatat Precision 94%, Recall 80%, dan F1-score 87%. Analisis NDVI menghasilkan nilai rata-rata antara 0,22 dan 0,11, menunjukkan bahwa model dapat mengidentifikasi dan mengklasifikasi kesehatan pohon sawit dengan optimal. Kualitas gambar yang dihasilkan oleh UAV juga dipengaruhi oleh penentuan ketinggiannya, yang dilakukan pada 50 meter. Penentuan ini memastikan keseimbangan antara resolusi spasial dan cakupan area. Penelitian ini menunjukkan bahwa menggunakan kombinasi Mask R-CNN dan NDVI dapat menjadi cara yang efektif untuk menemukan pohon kelapa sawit dan menilai kesehatannya. Ini dapat membantu mengelola perkebunan dengan lebih tepat dan berkelanjutan. Untuk analisis yang lebih mendalam, dataset harus diperluas untuk mencakup variasi lokasi, ketinggian, dan kondisi lingkungan lainnya. Kata kunci: kelapa sawit, Mask R-CNN, NDVI, UAV, segmentasi, kesehatan tanaman.