PUSPITA, KIKI DIAH AYU (2023) DETEKSI PENYAKIT PADA DAUN TEH MENGGUNAKAN METODE CONVOLUTIONAL NEURALNETWORK ( CNN). Undergraduate thesis, Universitas Muhammadiyah Jember.
![]() |
Text
A. PENDAHULUAN.pdf Download (1MB) |
![]() |
Text
B. ABSTRAK.pdf Download (545kB) |
![]() |
Text
C. BAB I.pdf Download (2MB) |
![]() |
Text
D. BAB II.pdf Restricted to Repository staff only Download (944kB) | Request a copy |
![]() |
Text
E. BAB III.pdf Restricted to Repository staff only Download (792kB) | Request a copy |
![]() |
Text
F. BAB IV_.pdf Restricted to Repository staff only Download (505kB) | Request a copy |
![]() |
Text
F. BAB IV.pdf Restricted to Repository staff only Download (743kB) | Request a copy |
![]() |
Text
G. BAB V.pdf Restricted to Repository staff only Download (542kB) | Request a copy |
![]() |
Text
H. DAFTAR PUSTAKA.pdf Download (674kB) |
![]() |
Text
I. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
Abstract
Teh menjadi salah satu minuman paling populer di dunia dan banyak diminati. Indonesia merupakan negara eksportir teh terbesar keenam dunia. Berbagai macam usaha pengolahan dan implementasi secara berkala menemui keterbatasan sehingga tidak dapat memenuhi kebutuhan produksi yang diprediksikan. Salah satu penyebab turunnya produksi teh di Indonesia adalah penyakit pada daun teh, penyakit yang sering ditemui pada daun teh yaitu Brown blight dan penyakit Alga Leaf Spot. Untuk itu dibutuhkan sebuah metode yang mampu mendeteksi penyakit pada daun teh salah satunya Convolutional Neural Network menggunakan arsitektur VGG-16. Data yang digunakan berjumlah 1500 data terdiri dari 3 kelas yaitu healthy, brown blight, alga spot. Data dibagi menjadi 2 bagian, 1350 data yang digunakan sebagai validasi silang dan 150 data untuk uji akhir. Pengujian akhir menggunakan 150 citra didapatkan akurasi sebesar 97,7%. Kesimpulan dari penelitian ini menunjukkan bahwa algoritma Convolutional Neural Network (CNN) yang dibangun relatif mampu mendeteksi jenis penyakit daun teh dengan baik. Nilai sensitivitas lebih kecil dibanding dengan spesifisitas artinya tingkat pendeteksi model penyakit lebih rendah dari tingkat pendeteksi daun sehat untuk mendeteksi citra penyakit daun teh.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Uncontrolled Keywords: | Convolutional Neural Network, VGG-16, penyakit daun, akurasi, sensitivitas, spesifisitas | |||||||||
Subjects: | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science | |||||||||
Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | |||||||||
Department: | S1 Teknik Informatika | |||||||||
Depositing User: | KIKI DIAH AYU PUSPITA | |||||||||
Contributors: |
|
|||||||||
Contact Email Address: | kiki.diah52@gmail.com | |||||||||
Date Deposited: | 24 Jul 2023 04:19 | |||||||||
Last Modified: | 24 Jul 2023 04:19 | |||||||||
URI: | http://repository.unmuhjember.ac.id/id/eprint/18007 |
Actions (login required)
![]() |
View Item |