Rancang Bangun Aplikasi Mobile untuk Identifikasi Penyakit Tanama Pisang

Purnama, Lindu (2025) Rancang Bangun Aplikasi Mobile untuk Identifikasi Penyakit Tanama Pisang. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (969kB)
	PDF BAB_I.pdf Download (167kB)
	PDF BAB_II.pdf Download (340kB)
	PDF BAB_III.pdf Download (668kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (805kB)
	PDF BAB_V.pdf Download (166kB)
	PDF DAFTAR_PUSTAKA.pdf Download (163kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (740kB)

Abstract

Tanaman pisang merupakan komoditas penting di daerah tropis, namun sangat rentan terhadap berbagai penyakit yang dapat menurunkan produktivitasnya. Deteksi dini penyakit pada tanaman pisang menjadi tantangan karena variasi gejala dan banyaknya jenis penyakit yang ada. Penelitian ini bertujuan untuk mengembangkan model Convolutional Neural Network (CNN) yang dibangun dari awal (training from scratch) guna mengklasifikasikan penyakit pisang, khususnya layu fusarium, sigatoka hitam, dan daun sehat. Model ini diharapkan dapat memberikan solusi bagi deteksi penyakit secara otomatis dengan akurasi tinggi meskipun dataset yang digunakan memiliki karakteristik unik. Berdasarkan hasil penelitian, model CNN yang dibangun mencapai akurasi validasi sebesar 72,1% dan akurasi uji sebesar 80%, yang menunjukkan kemampuan model dalam mengenali pola pada dataset yang diberikan. Penelitian ini juga membandingkan hasil yang dicapai dengan penelitian sebelumnya yang menggunakan transfer learning. Meskipun model CNN yang dibangun dari awal menunjukkan akurasi yang lebih rendah, fleksibilitas dan efisiensinya dalam kondisi di mana transfer learning tidak memungkinkan menjadikannya sebagai alternatif yang efektif. Model yang telah diintegrasikan ke dalam aplikasi berbasis perangkat lunak ini dapat digunakan untuk deteksi penyakit tanaman pisang di lapangan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Purnama, Lindu (00000061908)
Contributors:	Samuel, Samuel
Keywords:	Deteksi dini, penyakit tanaman pisang, CNN, transfer learning, aplikasi perangkat lunak.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
Date Deposited:	10 Sep 2025 05:44
URI:	https://kc.umn.ac.id/id/eprint/40468

Actions (login required)

View Item