PENGEMBANGAN YOLOV11 MENGGUNAKAN BLOK C3K2_LITE UNTUK MODEL DETEKSI OBJEK KEMATANGAN TOMAT

Penerapan teknologi visi komputer menggunakan YOLO11 dalam sektor pertanian berpotensi besar meningkatkan efisiensi dan objektivitas dalam menentukan kematangan buah. Namun, model deteksi berbasis YOLO11 masih menghadapi tantangan berupa kompleksitas komputasi tinggi dan penurunan akurasi pada citra dengan latar belakang kompleks serta pencahayaan bervariasi. Penelitian ini dilakukan untuk mengembangkan arsitektur YOLOv11 yang lebih efisien dengan memperkenalkan blok baru bernama C3k2_Lite. Blok ini merupakan varian ringan dari C3k2 yang mengintegrasikan Fast Context Unit (FCU) dan Cross-Gating Enhancement (CGE) guna meningkatkan selektivitas dan interaksi kontekstual antar fitur tanpa menambah parameter secara signifikan. Hasil eksperimen menunjukkan bahwa model YOLOv11 + C3k2_Lite mencapai peningkatan precision sebesar 6.8% dan mAP50 sebesar 4%, disertai penurunan inference time sebesar 0.1 ms, beban memori sebesar 0.3 MB, serta penyusutan parameter sebesar 0.1 juta dibandingkan model YOLOv11 baseline. Peningkatan ini membuktikan bahwa desain arsitektur yang diusulkan mampu menyeimbangkan antara efisiensi komputasi dan akurasi deteksi, sekaligus memperkuat kemampuan model dalam mengekstraksi fitur pada kondisi lingkungan kompleks. Kebaruan penelitian ini terletak pada integrasi mekanisme cross-gating dalam blok convolusional ringan, yang memungkinkan interaksi dinamis antar fitur secara efisien di dalam kerangka YOLOv11, suatu pendekatan yang belum banyak dieksplorasi dalam domain deteksi kematangan buah. Temuan ini berimplikasi pada pengembangan model deteksi objek berbasis lightweight attention yang adaptif untuk implementasi pada perangkat edge computing dan sistem pertanian presisi berbasis IoT. Ke depan, penelitian ini disarankan untuk diperluas melalui evaluasi pada dataset lapangan (in-field dataset) yang lebih heterogen serta pengujian performa real-time guna memastikan kesiapan model untuk penerapan praktis di lingkungan pertanian cerdas.

Kata Kunci : C3k2_Lite, Deteksi Objek, Tomat, YOLOv11