Pengembangan Sistem Deteksi Kesehatan Tanaman Kubis Berbasis Low Altitude Monitoring & Deep Learning

Abstract

Kesehatan tanaman kubis merupakan salah satu faktor penting yang memengaruhi produktivitas dan kualitas hasil panen. Proses pemantauan kondisi tanaman secara manual pada lahan yang luas memerlukan waktu dan tenaga yang besar serta berpotensi menghasilkan pengamatan yang kurang konsisten. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem deteksi kesehatan tanaman kubis berbasis low altitude monitoring menggunakan unmanned aerial vehicle (UAV) dan algoritma YOLO11m. Akuisisi data dilakukan menggunakan drone DJI Mavic 2 berkamera RGB pada ketinggian sekitar 10 meter di lahan kubis seluas ±2 hektar di desa Ijen, Kecamatan Sempol, Kabupaten Bondowoso. Sebanyak 798 citra berhasil diperoleh, kemudian dilakukan proses seleksi sehingga diperoleh 373 citra yang memenuhi standar kualitas. Seluruh citra dianotasi menggunakan label studio dan dibagi menjadi data training sebanyak 200 citra (70%), validation sebanyak 98 citra (20%), dan testing sebanyak 75 citra (10%). Model YOLO11m dilatih menggunakan framework ultralytics melalui 200 kali siklus pelatihan dengan memanfaatkan teknik online augmentation. Hasil evaluasi menunjukkan bahwa model memperoleh nilai precision sebesar 78,8%, Recall sebesar 82,8%, mAP50 sebesar 81,8%, dan mAP50–95 sebesar 39,1%. Hasil tersebut menunjukkan bahwa model memiliki kemampuan yang baik dalam mendeteksi tanaman kubis sehat maupun tidak sehat pada citra orthophoto. Model terbaik kemudian diimplementasikan ke dalam sistem berbasis website yang mampu melakukan deteksi otomatis terhadap citra orthophoto hasil pemetaan drone. Pada pengujian satu lahan penelitian, sistem berhasil mendeteksi sebanyak 7.887 tanaman, terdiri atas 4.012 tanaman sehat (50,87%) dan 3.875 tanaman tidak sehat (49,13%). Berdasarkan hasil penelitian dapat disimpulkan bahwa integrasi teknologi UAV, citra orthophoto, dan algoritma YOLO11m mampu mendukung proses monitoring kesehatan tanaman kubis secara lebih cepat, efisien, dan akurat. Sistem yang dikembangkan berpotensi menjadi salah satu solusi penerapan precision agriculture dalam membantu petani melakukan pemantauan kondisi tanaman pada lahan yang luas.