Proposal ini mengajukan penelitian untuk mendeteksi dan menghitung pohon kelapa sawit serta memperkirakan hasil panennya menggunakan drone dan deep learning. Metode yang diusulkan meliputi pengambilan citra udara drone, fotogrametri, deteksi pohon menggunakan YOLO dan Faster R-CNN, serta model perkiraan hasil panen.

1. 1
Pendeteksian dan Penghitungan Pohon Kelapa Sawit dari Citra
Drone dengan Fotogrametri dan Deep Learning Untuk Estimasi
Perhitungan Hasil Panen Kelapa Sawit
Ridwan Suhud, M.T., dkk
Proposal Rumah Program
Artificial Intelligence, Big Data, Dan Teknologi Komputasi Untuk Biodiversitas Dan Citra Satelit
Tahun Anggaran 2023

2. Tim Pelaksana Kegiatan
2
1. Ridwan Suhud, M.T. PRSDI, OR EI BRIN
2. M. Yudhi Rezaldi, Ph.D, PRSDI OR EI BRIN
3. Dr. Ambar Yoganingrum, PRSDI OR EI BRIN
4. Arafat Febriandirza, Ph.D, PRSDI OR EI BRIN
5. Aang Gunawan Sutyawan, M.T., PRSDI OR EI BRIN
6. Abdurakhman Prasetyadi, M.P. , PRSDI OR EI BRIN
7. Cahyo Trianggoro, S.IIP, PRSDI OR EI BRIN
8. Dr. Bambang Setiadi, PRSDI OR EI BRIN
9. Yomi Guno, M.T. PR Riset Elektronika OR EI BRIN
10.Mukti Wibowo, S.Kom PR Kecerdasan Artifisial dan Keamanan
Siber OR EI BRIN

3. 3
Latar Belakang
• Indonesia merupakan pengekspor minyak sawit
terbesar di dunia
• Terdapat 6 propinsi utama penghasil kelapa sawit :
1)Riau; 2)Sumut; 3)Kalteng; 4)Sumsel; 5)Kalbar; 6)Jambi
• Luas total lahan sawit di Indonesia sekitar 16,38 juta ha dengan terluas di
Provinsi Riau 2,89 juta ha (17,64%)
• Luasnya perkebunan sawit di Indonesia membutuhkan pendekatan dan
teknologi yang modern untuk penerapan pertanian presisi.
• Teknologi drone telah dikembangkan untuk kebutuhan pertanian presisi
kelapa sawit seperti deteksi pohon, penghitungan pohon, prediksi panen,
monitor pertumbuhan, estimasi produksi, menyemprot tanaman dsb.
(Khuzaimah et al., 2022)

4. 4
Penelitian Terkait
• Teknik Drone - fotogrametri untuk presisi perkebunan kelapa sawit
telah dikembangkan oleh : 1)Jupriyanto et al. (2018); 2)Kattenborn et
al. (2014), 3) Mansur, Mukhtar, & Al-Doksi (2014).
• Teknik Drone – menggunakan Machine Learning / Deep Learning
dikembangkan diantaranya oleh Wang, Zhu, & Wu, (2019) dan Li, Fu,
& Yu (2016).

5. 5
Tujuan dan Sasaran
• Tujuan : mendeteksi dan menghitung pohon kelapa sawit, serta estimasi
produksi perkebunan kelapa sawit menggunakan kombinasi teknik Drone
– fotogrametri dan UAV – Deep Learning.
• Sasaran :
 Diperolehnya dataset foto udara perkebunan kelapa sawit yang
berkualitas baik menggunakan drone (detail pixel dibawah 7 cm).
 Diperolehnya luas area kelapa sawit hasil pemetaan foto udara
menggunakan drone.
 Terbentuknya model untuk menghitung estimasi kapasitas produksi
perkebunan kelapa sawit.

6. 6
Rumusan Masalah
• Bagaimana Teknik pengambilan gambar dari udara menggunakan drone agar
detail pixel lebih rapat (detail pixel dibawah 7cm/pixel)
• Bagaimana setting pengolahan fotogrametri yang tepat sehingga bisa diperoleh
citra udara dengan resolusi yang tinggi.
• Bagaimana mengembangkan metode Deep Learning dengan akurasi yang tinggi
untuk mendeteksi dan menghitung pohon kelapa sawit dari foto udara yang telah
diolah.
• Bagaimana menghitung luas lahan kelapa sawit dari pemetaan foto udara
menggunakan drone.
• Bagaimana mengembangkan pemodelan estimasi perhitungan hasil panen
kelapa sawit yang akurasinya tinggi berdasarkan hasil perhitungan pohon kelapa
sawit dan luas area yang dipetakan.

7. 7
Metodologi
• Studi Literatur
• Penentuan area of interest (AOI) lokasi perkebunan kelapa sawit dan luas area.
• Perencanaan pemetaan udara drone (flight mission planning)
• Pengambilan foto udara dengan drone.
• Melakukan proses geotagging citra udara (menambahkan data geospasial).
• Melakukan fotogrametri citra udara.
• Melakukan proses deteksi dan perhitungan pohon kelapa sawit menggunakan
metode deep learning dengan algoritma YOLO v7 dan faster R-CNN
• Penggunaan model perkiraan hasil panen kelapa sawit Calculating Harvest
Density (CHD) – untuk memperkirakan hasil panen kelapa sawit dalam suatu
area perkebunan kelapa sawit

8. 8
Metode
Contoh Hasil Deteksi pada 4 sampel

9. 9
Hasil yang Diharapkan
• Diperolehnya citra udara menggunakan drone dengan detail pixel dibawah 7 cm
per pixel yang bisa diolah dengan fotogrametri resolusi tinggi sehingga dapat
digunakan sebagai dataset untuk riset dengan pendekatan deep learning.
• Terhitungnya sampel area luas perkebunan kelapa sawit pada PT Perkebunan
Nusantara VIII Oil Palm Cikasungka Plantation di Bogor.
• Terdeteksi dan terhitungnya jumlah pohon kelapa sawit dalam suatu area
perkebunan menggunakan deep learning
• Terhitungnya perkiraan hasil panen kelapa sawit dalam suatu area perkebunan
kelapa sawit yang sangat luas dalam siklus panen tertentu.
• Terpublikasikannya kegiatan penelitian dalam 1 buah publikasi internasional