DETEKSI PENYAKIT TANAMAN CABAI BERDASARKAN CITRA DAUN MENGGUNAKAN ARSITEKTUR INCEPTION V4 PADA CONVOLUTIONAL NEURAL NETWORK

Yudiono, Dedy Irfan (2024) DETEKSI PENYAKIT TANAMAN CABAI BERDASARKAN CITRA DAUN MENGGUNAKAN ARSITEKTUR INCEPTION V4 PADA CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text PENDAHULUAN.pdf Download (2MB)
	Text ABSTRAK.pdf Download (627kB)
	Text BAB I.pdf Download (698kB)
	Text BAB II.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (864kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text BAB V.pdf Restricted to Repository staff only Download (624kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (700kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (753kB) | Request a copy

Abstract

Tanaman cabai merupakan tanaman yang rentan terhadap penyakit. Salah satu tantangan sering kali dihadapi petani cabai adalah serangan penyakit daun yang dapat mengancam produktivitas tanaman bahkan sampai membuat mereka gagal panen. Dalam penelitian ini, penulis mengusulkan penggunaan teknik Machine Learning khususnya Convolutional Neural Networks (CNN) untuk mengklasifikasi penyakit daun pada tanaman cabai. Data daun cabai sebanyak 400 citra training dan 100 citra testing terindikasi terinfeksi penyakit diambil lalu diolah untuk melatih model CNN guna mengenali pola-pola karakteristik dari setiap jenis penyakit, memiliki 5 kelas dimana setiap kelas pelatihannya nya berjumlah 80 citra dan 20 citra perkelas untuk pengujian citra, dengan kategori daun sehat, daun keriting, daun kuning, daun bercak dan daun berkutu. Model CNN dibangun menggunakan arsitektur Inception V4 dan menghasilkan tingkat akurasi validasi sebesar 87% pada citra yang belum pernah dilihat oleh model.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Machine Learning, CNN, cabai, klasifikasi
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science 000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Department:	S1 Teknik Informatika
Depositing User:	DEDY IRFAN YUDIONO
Contributors:	Contribution Contributor Name NIDN/NIDK Thesis advisor Nilogiri, Agung NIDN0030037701 Thesis advisor Pater, Dewi Lusiana NIDN0712086702
Contact Email Address:	akudedy8@gmail.com
Date Deposited:	22 Jul 2024 03:58
Last Modified:	22 Jul 2024 03:58
URI:	http://repository.unmuhjember.ac.id/id/eprint/22083

Actions (login required)

View Item