IDENTIFIKASI, SOLUSI, DAN EDUKASI PENYAKIT TANAMAN PADI YANG DISEBABKAN OLEH BAKTERI DAN JAMUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

BAHARIAWAN, RIDHO ANANTA (2025) IDENTIFIKASI, SOLUSI, DAN EDUKASI PENYAKIT TANAMAN PADI YANG DISEBABKAN OLEH BAKTERI DAN JAMUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, UNIVERSITAS MUHAMMDIYAH JEMBER.

	Text a_Pendahuluan.pdf Download (1MB)
	Text b_Abstrak.pdf Download (317kB)
	Text c_Bab1.pdf Download (340kB)
	Text d_Bab2.pdf Restricted to Repository staff only Download (883kB) | Request a copy
	Text e_Bab3.pdf Restricted to Repository staff only Download (874kB) | Request a copy
	Text f_Bab4.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text g_Bab5.pdf Restricted to Repository staff only Download (307kB) | Request a copy
	Text i_DaftarPustaka.pdf Download (300kB)
	Text j_Lampiran.pdf Restricted to Repository staff only Download (426kB) | Request a copy

Abstract

Beras merupakan salah satu makanan utama yang banyak dikonsumsi secara global, termasuk di Indonesia, yang menghadapi tantangan dalam meningkatkan produksi beras akibat serangan penyakit pada tanaman padi. Penyakit seperti Bacterial Leaf Blight dan Brown Spot dapat menyebabkan kehilangan hasil panen yang signifikan. Oleh karena itu, diperlukan sistem untuk mendeteksi dan mengklasifikasikan penyakit pada tanaman padi secara otomatis. Penelitian ini mengembangkan model klasifikasi penyakit padi menggunakan metode Convolutional Neural Networks (CNN) dengan arsitektur MobileNetV3 untuk perangkat mobile. Fokus utama pada penelitian ini pada optimalisasi tahap pre-processing dengan teknik foreground extraction dan penerapan metode k-fold cross-validation untuk memaksimalkan performa model. Data yang digunakan dari dataset publik Kaggle, eksperimen dilakukan dengan menerapkan teknik k-fold (k=10) untuk memastikan evaluasi model yang lebih andal. Hasil terbaik diperoleh pada niai k=1, dengan akurasi mencapai 98% dan nilai loss sebesar 0.02, menunjukkan bahwa model yang dikembangkan memiliki performa yang sangat baik dalam mengklasifikasi penyakit pada tanaman padi. Diharapkan, sistem ini dapat membantu petani dalam mendiagnosis penyakit secara cepat, tepat, dan efisien guna meningkatkan produktivitas pertanian.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

Dosen Pembimbing

NILOGIRI, AGUNG

NIDN0030037701

Dosen Pembimbing

WARISAJI, TAUFIQ TIMUR

NIDN0705078006

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	Klasifikasi penyakit padi, Convolutional Neural Network (CNN), MobileNetV3, foreground extraction, k-fold cross-validation
Subjects:	000 Computer Science, Information, & General Works 600 Technology and Applied Science > 610 Medicine and Health 600 Technology and Applied Science > 620 Engineering 600 Technology and Applied Science > 690 Planning, Anaysis, Engineering Design
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Ridho Ananta Bahariawan | wyvrendragon@gmail.com
Date Deposited:	05 Aug 2025 01:35
Last Modified:	05 Aug 2025 01:35
URI:	http://repository.unmuhjember.ac.id/id/eprint/26269

Actions (login required)

View Item