Skripsi ini merancang sistem deteksi dini penyakit Busuk Pangkal Batang (BPB) akibat Ganoderma boninense pada kelapa sawit melalui tahap lokalisasi spasial menggunakan arsitektur Object Detection YOLOv26. Sistem ini berfokus pada pendeteksian dan pengisolasian area pangkal batang (Region of Interest) pada citra termal secara otomatis, dengan membandingkan dua skenario pelatihan yaitu From Scratch dan Cross-Domain Transfer Learning dari citra RGB. Model terbaik (Skenario From Scratch) mencapai mAP@50 sebesar 98,92%, Precision 96,44%, dan Recall 98,59%. Koordinat bounding box hasil deteksi diintegrasikan secara real-time ke dalam dashboard web berbasis React.js dan Vite dengan backend Python API, serta dihubungkan dengan modul klasifikasi Hybrid CNN-Transformer dari riset pendamping untuk menghasilkan visualisasi peta sebaran (Mapping View) status kesehatan kelapa sawit secara terpadu.