Perkebunan kelapa sawit merupakan salah satu sektor utama dalam mendukung perekonomian nasional Indonesia. Namun, proses pemantauan dan estimasi produktivitas tanaman sawit di lapangan hingga saat ini masih banyak dilakukan secara manual, seperti pengukuran langsung dan sensus pohon secara konvensional. Cara tersebut membutuhkan waktu yang lama, biaya operasional tinggi, serta rentan terhadap kesalahan pencatatan. Oleh karena itu, diperlukan solusi berbasis teknologi yang dapat mempermudah proses estimasi luas lahan dan jumlah produksi secara akurat dan efisien. Penelitian ini bertujuan untuk merancang sistem berbasis drone dan teknologi computer vision dalam membantu proses estimasi jumlah pohon sawit serta luas lahan perkebunan dari citra udara. Pengambilan gambar dilakukan menggunakan drone yang dilengkapi kamera dan GPS, kemudian citra diproses menggunakan algoritma You Only Look Once (YOLO) berbasis deep learning melalui platform Google Colab. Proses ini meliputi tahap preprocessing, labeling dataset, training model, dan prediksi jumlah pohon sawit. Data koordinat juga dimanfaatkan untuk mengestimasi luasan lahan dengan akurasi tinggi. Dari hasil uji coba, sistem ini mampu mengenali dan menghitung objek pohon sawit secara otomatis dengan akurasi yang tinggi yaitu precision sebesar 40%, recall sebesar 58%, [email protected] sebesar 40%, dan [email protected]:0.95 sebesar 12%, serta memberikan estimasi luasan lahan berdasarkan analisis spasial yang akurat. Sistem ini memberikan solusi atas keterbatasan metode konvensional dalam hal efisiensi waktu, biaya, dan keandalan data. Dengan penerapan teknologi ini, proses pengelolaan perkebunan sawit dapat dilakukan secara presisi dan sistematis, sekaligus mendukung transformasi digital di bidang pertanian. Penelitian ini diharapkan menjadi kontribusi nyata dalam pengembangan sistem monitoring dan manajemen perkebunan berbasis teknologi cerdas.