Sistem identifikasi penyakit pada tanaman cabai dengan metode Convolutional Neural Network berbasis mobile

Khoirunnisa, Itsnaini Irvina (2024) Sistem identifikasi penyakit pada tanaman cabai dengan metode Convolutional Neural Network berbasis mobile. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_2000018274_JUDUL__240605041750.pdf Download (686kB)
	Text (BAB I) T1_2000018274_BAB_I__240605041430.pdf Download (173kB)
	Text (BAB II) T1_2000018274_BAB_II__240605041430.pdf Restricted to Registered users only Download (636kB) | Request a copy
	Text (BAB III) T1_2000018274_BAB_III__240605041430.pdf Restricted to Registered users only Download (468kB) | Request a copy
	Text (BAB IV) T1_2000018274_BAB_IV__240605041430.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T1_2000018274_BAB_V__240605041430.pdf Restricted to Registered users only Download (141kB) | Request a copy
	Text (Daftar Pustaka) T1_2000018274_DAFTAR_PUSTAKA__240605041430.pdf Download (166kB)
	Text (Lampiran) T1_2000018274_LAMPIRAN__240605041430.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Permintaan cabai terus meningkat seiring pertumbuhan populasi dan sektor industri, namun pasokannya tidak stabil akibat faktor cuaca seperti curah hujan dan kelembaban udara yang tinggi. Kondisi ini menyebabkan penyebaran penyakit pada tanaman cabai seperti busuk buah antraknosa, virus kuning begomovirus, dan bercak daun. Tujuan penelitian ini adalah mengembangkan sistem identifikasi penyakit tanaman cabai dan mengevaluasi akurasi klasifikasi citra penyakit tamanan cabai. Penelitian ini diharapkan dapat membantu pakar dalam memberikan rekomendasi pengendalian penyebaran penyakit secara tepat, membantu petani mengidentifikasi penyakit secara dini dan meningkatkan kualitas serta kuantitas hasil panen tanaman cabai.
Metode yang digunakan adalah metode Convolutional Neural Network (CNN). Tahapan penelitian meliputi pengumpulan data, analisis kebutuhan, perancangan preprocessing, perancangan model, tahapan arsitektur, pengujian akurasi, implementasi sistem, dan pengujian sistem. Tahapan ini dilakukan secara berurutan tanpa ada yang dilompati. Pengujian akurasi dihitung menggunakan confusion matrix. Selain itu, sistem yang telah dibuat akan diuji dengan pengujian fungsional dan pengujian pengguna.
Data citra penyakit tanaman cabai diperoleh langsung dari perkebunan tanaman cabai di Kecamatan Sumowono, Kabupaten Semarang. Menggunakan dataset sebanyak 4.500 citra penyakit tanaman cabai, dibagi menjadi 70% untuk data training dan 30% untuk data validasi. Hasil akurasi yang didapatkan sebesar 99% pada proses training dan 94% pada proses validasi. Evaluasi model menggunakan dataset baru sebanyak 150 citra penyakit tanaman cabai yang menunjukkan hasil akurasi sebesar 94%. Pengujian fungsional dan pengujian pengguna pada sistem mobile oleh 10 petani menghasilkan nilai rata-rata 90. Dengan demikian, dapat disimpulkan bahwa sistem mobile dapat mengidentifikasi penyakit tanaman cabai dengan baik, serta mendukung aktivitas pertanian dan kebutuhan petani.

Item Type:	Thesis (S1)
Keyword:	citra, convolutional neural network, penyakit tanaman cabai, sistem mobile
Subjects:	T Technology > T Technology (General) T Technology > TF Railroad engineering and operation
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus3 userperpus3
Date Deposited:	10 Jun 2024 17:23
Last Modified:	10 Jun 2024 17:23
URI:	http://eprints.uad.ac.id/id/eprint/63998

Actions (login required)

View Item