SISTEM DETEKSI PENYAKIT DAUN APEL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERBASIS MOBILE COVER

ANWAR, MUHAMMAD KHAIRUL (2024) SISTEM DETEKSI PENYAKIT DAUN APEL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERBASIS MOBILE COVER. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602000091_fullpdf.pdf Download (3MB)
	Text Teknik Informatika_32602000091_pernyataan_publikasi.pdf Download (443kB)

Abstract

Penyakit daun pada tanaman apel merupakan salah satu masalah utama dalam budidaya apel yang dapat mengurangi produksi dan kualitas buah. Beberapa penyakit daun yang umum terjadi pada tanaman apel meliputi penyakit black rot, cedar rust, scab dan masih banyak lagi. Penyakit-penyakit ini disebabkan oleh berbagai patogen seperti jamur, bakteri, dan virus yang dapat menyebar melalui faktor lingkungan dan praktik budidaya yang tidak tepat. Diagnosis dini, pengelolaan hama dan penyakit yang efektif, serta penggunaan varietas yang tahan penyakit merupakan strategi penting dalam pengendalian penyakit daun pada tanaman apel. Oleh karena itu, deteksi awal penyakit daun apel dapat dijadikan sebagai Solusi dalam pencegahan berbagai penyakit daun apel jenis lainnya. Deteksi penyakit daun apel dapat dilakukan mengunakan algoritma Convolutional Neural Network . Penelitian ini menggunakan algoritma CNN dengan arsitektur EfficientNet-B7 yang diimplementasikan pada sistem mobile menggunakan teknologi Flutter. Hasil penelitian ini memberikan hasil yang akurat dalam membedakan atau mendeteksi penyakit daun apel dengan 8000 data. Setelah melakukan berbagai pengujian terhadap berbagai konfigurasi didapatkan hasil akurasi terbaik, yaitu loss 0.1007, accuracy 0.9642, val-loss 0.0325, val-accuracy 0.9900. Dan pada tahap confusion matrix, masing accuracy, precission, recall, dan f1-score adalah 0.99 atau 99%. Kata kunci: Penyakit Daun Apel, Convolutional Neural Network , Mobile, Flutter, EfficientNet-B7.

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 3 UNISSULA
Date Deposited:	23 Oct 2024 02:28
URI:	http://repository.unissula.ac.id/id/eprint/35613

Actions (login required)

View Item