Rancang Bangun Aplikasi Deteksi Penyakit Tanaman Tomat Berbasis Android Menggunakan Algoritma EfficientNetB0

Ryo Wang, Aurelius (2022) Rancang Bangun Aplikasi Deteksi Penyakit Tanaman Tomat Berbasis Android Menggunakan Algoritma EfficientNetB0. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (4MB)
	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (4MB)
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (8MB)
	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (560kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (437kB)

Abstract

Tomat merupakan salah satu tanaman hortikultura di Indonesia yang berperan penting dalam memenuhi kebutuhan pangan dalam masyarakat. Tanaman tomat dapat dibudidayakan pada dataran rendah dan tinggi, hanya saja terdapat hambatan dalam pembudiyaan tanaman tomat. Hambatan tersebut adalah tanaman tomat yang mudah tersetang hama dan penyakit yang disebabkan jamur dan bakteri. Saat terserang sebuah penyakit, petani harus dengan cepat melakukan identifikasi penyakit tersebut sebelum menyebar dengan cepat. Untuk melakukan identifikasi penyakit, petani membutuhkan tenaga profesional yang dapat menghabiskan waktu dan uang. Oleh karena itu dirancanglah sebuah aplikasi yang dapat membantu dalam proses identifikasi penyakit tanaman tomat. Identifikasi ini terapkan pada daun tanaran tomat. Hal ini dikarenakan penyakit yang menyerang tomat dapat dilihat langsung dari perubahan struktur dan warna pada daun. Untuk melakukan identifikasi penyakit, aplikasi dibangun menggunakan model object detection dan image classification untuk memberikan hasil yang akurat. Model object detection diterapkan pada aplikasi Android menggunakan library ML Kit. Kemudian untuk image classification diterapkan pada server. Penerapan aplikasi Android dimulai dari membuat tiga fitur yang terdiri dari Real Time Detection, Multiple Object Detection, dan Still Image. Setiap fitur memiliki cara pemrosesan gambar yang berbeda. Kemudian untuk model image classificationditerapkan menggunakan model CNN dengan arsitektur EfficientNetBO. Model akan dilatib dengan 9 kelas penyakit tanaman tomat, 1 tanaman tomat yang sehat, dan I kelas unknown yang berisi gambar acak. Tujuan kelas unknown untuk mengatasi masalah CNN yang merupakan model closed set recognition. Model CNN dengan arsitektur EficientNetB0 yang dilatih menghasilkan akurasi sebesar 91.4% dengan total ukuran folder model sebesar 22 MB. Model tersebut di terapkan pada server menggunakan Tensorflow Serving, nodel menjadi bentuk endpoint yang dapat diakses dengan mudah oleh perangkat ponsel dan lainnya.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Android, Computer Vision, EffieientNet, Machine Learning, Transfer Learning
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Mar 2024 03:40
Last Modified:	20 Mar 2024 07:59
URI:	https://kc.umn.ac.id/id/eprint/28120

Actions (login required)

View Item