Integrasi Streamlit pada Aplikasi Berbasis Web dengan Algoritma YOLO V8 dan Teknologi Drone untuk Identifikasi Jenis dan Estimasi Tinggi Pohon

Abstract

Penelitian ini mencerminkan penerapan drone dan kecerdasan buatan (AI), khususnya menggunakan algoritma
YOLOv8, dalam mendeteksi jenis pohon dengan cepat dan efisien.
Pohon memiliki peran penting dalam ekosistem dan perubahan iklim, serta dalam upaya konservasi hutan dan pengelolaan
sumber daya alam. Dengan kemajuan teknologi drone, AI, dan
computer vision, proses ini dapat dioptimalkan untuk menghemat
waktu dan tenaga manusia. Penerapan drone memungkinkan akses ke daerah yang sulit dijangkau, sementara AI dengan
algoritma YOLOv8 yang dioptimalkan untuk computer vision dapat secara otomatis mendeteksi dan mengidentifikasi pohon
dalam gambar atau video. Meskipun tantangan utamanya adalah
keterbatasan dataset untuk melatih model AI, perkembangan dalam teknologi drone, AI, dan computer vision membawa potensi besar untuk meningkatkan efisiensi dan akurasi dalam deteksi
jenis pohon. Temuan dari penelitian ini menunjukkan bahwa
penerapan drone dan algoritma YOLOv8 efektif dan akurat dalam
mengukur dan mengklasifikasikan pohon tinggi. Model yang
dibangun mencapai kinerja dengan nilai presisi sebesar 88,57%,
recall 86,14%, mAP50 93,98%, dan mAP50-90 68,10%. Sistem
yang dikembangkan juga memiliki akurasi yang cukup baik
dengan skor kepercayaan rata-rata 87%. Teknologi ini memiliki
potensi besar dalam mendukung berbagai aplikasi, termasuk
pemantauan pertumbuhan hutan, konservasi sumber daya alam,
serta penilaian dampak perubahan iklim terhadap ekosistem hutan.

Kata kunci— Algoritma YOLOv8, Deteksi Pohon, Drone, Kecerdasan Buatan (AI), Optimisasi Teknologi Drone