Klasifikasi penyakit tanaman kapas berdasarkan daun menggunakan Convolutional Neural Network

Nurhuda, Azka (2023) Klasifikasi penyakit tanaman kapas berdasarkan daun menggunakan Convolutional Neural Network. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1800018326_JUDUL__230125125231.pdf Download (671kB)
	Text (BAB I) T1_1800018326_BAB_I__230125125231.pdf Download (203kB)
	Text (BAB II) T1_1800018326_BAB_II__230125125231.pdf Restricted to Registered users only Download (448kB) | Request a copy
	Text (BAB III) T1_1800018326_BAB_III__230125125231.pdf Restricted to Registered users only Download (425kB) | Request a copy
	Text (BAB IV) T1_1800018326_BAB_IV__230125125231.pdf Restricted to Registered users only Download (691kB) | Request a copy
	Text (BAB V) T1_1800018326_BAB_V__230125125231.pdf Restricted to Registered users only Download (194kB) | Request a copy
	Text (Daftar Pustaka) T1_1800018326_DAFTAR_PUSTAKA__230125125231.pdf Download (198kB)
	Text (Lampiran) T1_1800018326_LAMPIRAN__230125125231.pdf Restricted to Registered users only Download (864kB) | Request a copy

Abstract

Kapas adalah salah satu hasil perkebunan yang menghasilkan serat alam untuk industri tekstil. Namun berbagai kendala dihadapi oleh para petani menyebabkan produksi tanaman kapas belum memuaskan. Penyebab kurangnya produksi disebabkan oleh beberapa penyakit tanaman termasuk jamur, bakteri, dan virus. Dalam mengenali penyakit tanaman kapas, para petani biasanya melihat gejala yang ditimbulkan dengan menggunakan mata telanjang sehingga jika suatu penyakit terdeteksi maka tindakan yang diambil tidak tepat. Penelitian ini membuat sistem klasifikasi jenis penyakit pada tanaman kapas berdasarkan daun menggunakan metode Convolutional Neural Network (CNN).
Multilayer Perceptron (MLP) dibuat untuk menangani input dua dimensi membentuk fondasi CNN. Metode CNN sering digunakan untuk memproses data gambar
dan karena kedalaman jaringannya yang luas, CNN dianggap sebagai deep neural network. Penelitian ini melalui tahapan studi pustaka, akuisisi data, preprocessing data, perancangan model CNN, pengujian model, dan evaluasi.
Berdasarkan penelitian yang telah dilakukan, aplikasi menggunakan model CNN dapat menghasilkan nilai akurasi sebesar 99,31% selama proses pelatihan dan 97,26% selama proses validasi. Model CNN yang dibuat dapat mencapai akurasi 95,9% ketika diuji menggunakan evaluasi confusion matrix dengan 343 data. Oleh karena itu, dapat dikatakan bahwa aplikasi dibuat dengan menggunakan model CNN dapat melakukan klasifikasi penyakit tanaman kapas berdasarkan citra dengan baik.

Item Type:	Thesis (S1)
Keyword:	Kapas, pengolahan citra, deep learning, convolutional neural network
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	12 Jul 2024 07:40
Last Modified:	12 Jul 2024 07:40
URI:	http://eprints.uad.ac.id/id/eprint/65296

Actions (login required)

View Item