Klasifikasi Penyakit Alternaria, Cucumber Mosaic Virus, Downy Mildew, dan Powdery Mildew pada Tanaman Melon Menggunakan Convolutional Neural Network

Dwi Setio Wibowo, Wahyu (2025) Klasifikasi Penyakit Alternaria, Cucumber Mosaic Virus, Downy Mildew, dan Powdery Mildew pada Tanaman Melon Menggunakan Convolutional Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (213kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Download (371kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (6MB)
	PDF BAB_V.pdf Download (208kB)
	PDF DAFTAR_PUSTAKA.pdf Download (211kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (339kB)

Abstract

Produksi melon di Indonesia memiliki tantangan yaitu penyakit seperti Alternaria, CMV, Powdery Mildew, dan Downy Mildew, dengan produksi 2021 hanya 129.147 ton (38,8% kebutuhan). Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) untuk deteksi penyakit melon menggunakan 1.218 gambar dari Roboflow yang dibagi menjadi 80% data latih, 10% validasi, dan 10% uji. Tiga arsitektur dibandingkan: ResNet-50, EfficientNet-B0, dan MobileNetV3- Small, masing-masing dilatih pada dua konfigurasi: 20 epoch tanpa patience dan 100 epoch dengan patience 25. Hasil terbaik diperoleh MobileNetV3- Small (akurasi 94,82%), diikuti ResNet-50 (akurasi 93,78%), dan EfficientNet-B0 (akurasi 91,71%). ResNet-50 menunjukkan performa paling konsisten dan efisien. CNN terbukti efektif dalam deteksi penyakit melon, dengan ResNet-50 sebagai pilihan optimal untuk aplikasi praktis.

Item Type:

Thesis (Bachelor Thesis)

Keywords:

CNN, Klasifikasi, Melon, Penyakit

Creators: