PALEVIE, MOH. REZA (2025) KLASIFIKASI PENYAKIT PADA DAUN JERUK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR XCEPTION. Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Teknik Informatika_32602000042_pernyataan_publikasi.pdf Restricted to Registered users only Baca Disini (2MB) | Download (2MB)
	Text Teknik Informatika_32602000042_fullpdf.pdf Baca Disini (11MB) | Download (11MB)

Abstract

Penyakit pada daun jeruk menjadi penyebab Utama diantara banyaknya factor kegagalan panen dalam budidaya tanaman jeruk. akibat yang ditimbulkan bisa merugikan petani maupun pembududaya tanaman jeruk dalam segi produksi buah jeruk. macam penyakit yang ada pada tanaman jeruk sangat bervariatif dan mempunyai penyebab yang berbeda-beda. factor lingkungan seperti media tanam, salahnya perawatan dalam budidaya jeruk, serta serangan hama, virus, serta pathogen yang menular menyebabkan kegagalan panen bagi pembudidaya jeruk. diagnosis dini tentang penularan hama dan penyakit serta penggunaan varietas yang tahan akan penyakit merupakan solusi yang paling efektif untuk mengendalikan kegagalan panen pada budidaya jeruk. gejala yang umum terjadi pada tanaman jeruk yang terinfeksi penyakit dapat dilihat dari anomaly pada daun tanaman jeruk. hal ini bisa dibedakan dari warna daun serta kodisi tulang daun pada tanaman jeruk.dengan demikian penanganan awal dalam upaya pencegahan penyakit pada daun jeruk bisa menjadi solusi untuk mengurangi terjadinya gagal panen dalam budidaya tanaman jeruk. salah satu cara pencegahan yang bisa dilakukan antara lain dengan melakukan klasifikasi daun tanaman jeruk menggunakan pembelajaran mesin dengan metode Convolutional Neural Network. Penelitian ini menggunakan metode algoritma CNN dengan arsitektur Xception yang kemudian implentasikan dalam aplikasi android yang nantinya akan dibuat menggunakan Bahasa kotlin. dengan menggunakan 2400 data yang terbagi menjadi enam kelas, model mampu menghasilkan klasifikasi citra gambar dengan baik. hal ini ditunjukan dengan niali accuracy 98%, val accuracy 83%, loss 9%, dan val loss 12%..

Dosen Pembimbing:	Taufiq, Moch | UNSPECIFIED
Item Type:	Thesis (Undergraduate)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	27 Aug 2025 02:20
URI:	https://repository.unissula.ac.id/id/eprint/40923

Actions (login required)

View Item