ABSTRAK\r\nPenggunaan drone dan teknologi deep learning telah menyediakan sarana untuk mengamati lahan pertanian dengan lebih efisien dan akurat. Namun, identifikasi hama dan penyakit tanaman secara manual masih merupakan proses yang lambat dan berpotensi menimbulkan kesalahan manusia. Penelitian ini akan menganalisis potensi algoritma YOLO untuk mendeteksi dan mengklasifikasikan infeksi tanaman pada pandangan udara dari citra satelit drone, dan mengusulkan sistem pemetaan lahan pertanian berbasis drone untuk mendeteksi hama dan penyakit tanaman secara otomatis. Hasil penelitian menunjukkan bahwa sistem tersebut menciptakan peta interaktif lokasi plot dan jenis infeksi dengan akurasi yang sangat tinggi, di mana hasil terbaik dicapai dengan konfigurasi YOLOv8m dengan F1 Score 98,3% yang memungkinkan petani untuk mengambil keputusan yang tepat waktu dan terinformasi.\r\n