MUHAMMAD, SADRA DIN AZIZI (2025) DETEKSI KEKURANGAN NUTRISI PADA TANAMAN LETTUCE ICEBERG MENGGUNAKAN METODE AUTOENCODER DAN MULTILAYER PERCEPTRON. Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Teknik Informatika_32602100135_fullpdf.pdf Baca Disini (3MB) | Download (3MB)
	Text Teknik Informatika_32602100135_pernyataan_publikasi.pdf Restricted to Registered users only Baca Disini (545kB) | Download (545kB)

Abstract

Lettuce iceberg dipilih sebagai objek karena memiliki karakteristik morfologi dan respons visual yang jelas terhadap kekurangan nutrisi tertentu. Selain itu, beberapa pemilik tanaman dengan skala kecil dan menengah, masih mengandalkan teknik identifikasi berbasis pengamatan visual yang bersifat subjektif. Penelitian ini bertujuan untuk merancang sistem deteksi kekurangan nutrisi menggunakan pendekatan Autoencoder dengan arsitektur Encoder sebagai ekstraksi fitur, Bottleneck sebagai kompresi data, Decoder sebagai rekonstruksi, dan Multilayer Perceptron (MLP) dengan arsitektur input layer sebagai pintu masuk data, hidden layer sebagai mengolah informasi, dan output layer sebagai prediksi akhir. Sample dataset bersumber dari Kaggle yang sudah dibagi menjadi empat kelas, yaitu Nitrogen, Fosfor, Kalium, dan Healty. Proses persiapan pemrosesan dengan mengkonversi warna BGR (Blue, Green, Red) menjadi HSV (Hue, Saturation, Value), dengan mengubah ukuran menjadi 128*128 piksel, lalu dinormalisasi menjadi skala 0-1, dan dataset displit dengan perbandingan 80:20. Proses pelatihan Autoencoder berlangsung selama 30 epoch, dan MLP selama 25 epoch. Performa kinerja MLP menggunakan confusion matrix, dan evaluasi model menggunakan metrik Akurasi, Presisi, Recall, dan F1-Score, di mana model mencapai nilai Akurasi 86%, Presisi 89%, Recall 87% dan F1-Score 88%. Sistem ini telah diterapkan dalam bentuk aplikasi berbasis web yang ramah pengguna, memudahkan proses pengambilan citra dan menampilkan deteksi kekurangan nutrisi. Kesimpulannya, integrasi Autoencoder (encoder, bottleneck, decoder), dan MLP (input layer, hidden layer, output layer) terbukti efektif untuk melakukan deteksi citra pada tanaman lettuce iceberg dengan tingkat akurasi yang tinggi, sehingga dapat menjadi solusi alternatif yang lebih objektif.
Kata Kunci: Lettuce Iceberg, Image Processing, Autoencoder, Multilayer Perceptron

Dosen Pembimbing:	Haviana, Sam Farisa Chaerul | UNSPECIFIED
Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	06 Jan 2026 07:26
URI:	https://repository.unissula.ac.id/id/eprint/44189

Actions (login required)

View Item