SMART FARMING: Rancang Bangun Sistem Deteksi Kesehatan Tanaman Padi dengan Drone Berbasis Image Recognition AI

Bintang Firdaus, Daffi (2025) SMART FARMING: Rancang Bangun Sistem Deteksi Kesehatan Tanaman Padi dengan Drone Berbasis Image Recognition AI. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (507kB)
	PDF BAB_I.pdf Download (208kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Download (11MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Download (202kB)
	PDF DAFTAR_PUSTAKA.pdf Download (209kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (54kB)

Abstract

Indonesia sebagai negara agraris penghasil padi terbesar ke-4 di dunia menghadapi tantangan rendahnya efisiensi pertanian akibat minimnya adopsi teknologi digital. Penelitian ini berfokus pada pengembangan sistem berbasis kecerdasan buatan (AI) untuk mendeteksi kesehatan tanaman padi melalui citra udara yang diperoleh dari drone. Citra sawah yang diambil oleh drone diproses menggunakan pendekatan dua tahap: pertama, model faster R-CNN digunakan untuk mendeteksi dan membuat bounding box setiap tanaman, yang kemudian di-crop menjadi gambar individu. Kedua, model U-Net diterapkan untuk segmentasi daun tanaman, dari mana nilai rata-rata RGB daun diekstraksi. Nilai ini kemudian dibandingkan dengan skala LCC (Leaf Color Chart) dari IRRI untuk mengklasifikasikan tingkat kesehatan tanaman. Penelitian berhasil melatih kedua model sesuai kebutuhan dan mengimplementasikan alur otomatis menggunakan Python, mulai dari pemrosesan citra hingga klasifikasi kesehatan tanaman. Sistem ini menunjukkan potensi untuk mendukung otomatisasi pertanian presisi, mengurangi beban kerja petani, dan meningkatkan produktivitas secara berkelanjutan.

Item Type:	Thesis (MBKM)
Keywords:	Drone, Pengenalan gambar, Pertanian cerdas
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	02 Aug 2025 13:02
Last Modified:	02 Aug 2025 13:02
URI:	https://kc.umn.ac.id/id/eprint/39732

Actions (login required)

View Item