PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM MENDETEKSI PENYAKIT PADA TANAMAN DAN BUAH JERUK

Muhammad Wasi’ul Fuadin, Na’im Sa’id (2024) PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM MENDETEKSI PENYAKIT PADA TANAMAN DAN BUAH JERUK. Sarjana thesis, Sekolah Tinggi Informatika & Komputer Indonesia.

[img] Text
ABSTRAK.pdf
Download (139kB)
[img] Text
BAB I.pdf
Download (590kB)
[img] Text
BAB II.pdf
Download (802kB)
[img] Text
BAB III.pdf
Download (1MB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only
Download (2MB)
[img] Text
BAB V.pdf
Download (294kB)
Official URL: https://stiki.ac.id

Abstract

Jeruk merupakan salah satu komoditas penting di Indonesia. Banyak petani memilih tanaman jeruk sebagai sumber pendapatan utama, salah satunya adalah varietas jeruk siam. Kondisi lahan dan iklim tropis di Indonesia sangat mendukung pertumbuhan tanaman jeruk siam. Namun, berbagai penyakit yang menyerang batang, buah, dan daun pada varietas jeruk siam menjadi tantangan bagi para petani. Penyakit-penyakit tersebut antara lain Batang Blendok, Buah Antraknosa, Daun Brownspot, Daun Ulat Peliang, dan Daun Greasyspot, serta kondisi Batang Sehat, Buah Sehat, dan Daun Sehat. Klasifikasi penyakit ini dapat dilakukan dengan metode CNN (Convolutional Neural Network). Selama ini, proses deteksi penyakit pada tanaman jeruk dilakukan secara manual. Metode CNN dapat mendeteksi gambar dari piksel ke piksel sehingga dinilai efektif untuk mendeteksi penyakit hanya dari gambar saja. Penelitian ini menggunakan dataset berjumlah 1700 data yang dibagi menjadi 8 kelas penyakit. Penelitian ini melakukan perbandingan jumlah epoch serta menggunakan arsitektur CNN MobileNetV2. Hasil dari penelitian ini menunjukkan akurasi yang sangat baik di angka 98% dengan data yang tidak overfitting.

Item Type: Thesis (Sarjana)
Subjects: Software and its engineering > Software system structures
Divisions: Engineering Sciences
Depositing User: Unnamed user with username editor_perpustakaan
Date Deposited: 23 Sep 2024 04:20
Last Modified: 23 Sep 2024 04:20
URI: http://repository.stiki.ac.id/id/eprint/2275

Actions (login required)

View Item View Item