Kelapa sawit (Elaeis guinensis jacg) salah satu dari beberapa palma yang
menghasilkan minyak dengan tujuan komersil. Minyak sawit selain digunakan
sebagai minyak makanan margarine, dapat juga digunakan untuk industri sabun,
lilin dan dalam pembuatan lembaran-lembaran timah serta industri kosmetik.
Indonesia adalah penghasil minyak kelapa sawit kedua dunia setelah Malaysia. Di
Indonesia penyebarannya di daerah Aceh, pantai timur Sumatra, Jawa, dan
Sulawesi. Perluasan areal perkebunan pohon kelapa sawit terus berlanjut akibat
meningkatnya harga minyak bumi sehingga peran minyak nabati meningkat
sebagai energi alternatif. Proses perhitungan pohon kelapa sawit menjadi tantangan
tersendiri jika dilakukan secara manual, sehingga membutuhkan waktu yang cukup
lama. Oleh karena itu, ada kebutuhan untuk metode yang lebih efisien dan akurat
untuk menghitung pohon kelapa sawit dari foto citra udara. Penelitian ini telah
melakukan perhitungan pohon kelapa sawit otomatis yang lebih efisien dan akurat
yaitu menggunakan model deteksi YOLO (You Only Look Once) dengan
penambahan filter DBSCAN (Density-Based Spatial Clustering of Applications
with Noise). Hasil yang didapatkan pada penelitian ini model YOLOv11 dapat
mendeteksi objek pohon kelapa sawit dengan akurasi 94,8%, dengan nilai precision
94,5?n nilai recall 97,3%. Dari hasil akurasi yang didapatkan menunjukkan
model YOLOv11 berhasil mendeteksi dan menghitung pohon kelapa sawit dengan
baik.

Kata kunci : Deteksi Objek, Deep Learning, Pohon Sawit, UAV, YOLOv11