Implementasi YOLOv8 Pada Deteksi Jenis Pohon Menggunakan Drone

Abstrak

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.