Implementasi YOLOv8 Pada Deteksi Jenis Pohon Menggunakan Drone

Abstract

Penelitian ini menggambarkan pemanfaatan drone dan kecerdasan buatan (AI) khususnya menggunakan algoritma YOLOv8 dalam pendeteksian jenis pohon secara cepat dan efisien. Pohon memiliki peran vital dalam ekosistem dan perubahan iklim, konservasi hutan, dan pengelolaan sumber daya alam. Dengan kemajuan drone, AI, dan teknologi computer vision, proses ini dapat dioptimalkan, menghemat waktu dan sumber daya manusia. Penggunaan drone memungkinkan akses ke wilayah sulit dijangkau, sementara AI dengan algoritma YOLOv8 yang dioptimalkan untuk computer vision dapat digunakan untuk mendeteksi dan mengidentifikasi pohon secara otomatis dalam gambar atau video secara realtime. Tantangan utama adalah keterbatasan dataset untuk melatih model AI, tetapi kemajuan dalam teknologi drone, AI, dan computer vision menawarkan potensi besar untuk meningkatkan efisiensi dan akurasi dalam deteksi jenis pohon. Hasil dari penelitian ini menunjukkan bahwa penggunaan drone dan algoritma YOLOv8 merupakan kombinasi yang efisien dan akurat dalam pengukuran dan klasifikasi tinggi pohon. Model yang dikembangkan memiliki nilai performance sebesar 88.57% precission, 86.14% recall, 93.98% mAP50 dan 68.10% mAP50-90. Serta sistem yang dikembangkan memiliki akurasi yang cukup baik dengan confidence score rata rata 87%. Teknologi ini memiliki potensi besar dalam mendukung berbagai aplikasi, termasuk pemantauan pertumbuhan hutan, konservasi sumber daya alam, dan penilaian dampak perubahan iklim terhadap ekosistem hutan. Namun, perlu dicatat bahwa perbaikan lebih lanjut pada algoritma dan penyesuaian teknis lainnya dapat terus meningkatkan kinerja dan potensi sistem ini dimasa depan.

Kata kunci — YOLOv8, Drone, Kecerdasan Buatan, Klasifikasi, Pohon.