KLASIFIKASI CITRA PENYAKIT DAUN MELON MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK BERBASIS WEB

Anisa, Iqnatia Sundus (2024) KLASIFIKASI CITRA PENYAKIT DAUN MELON MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK BERBASIS WEB. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_1921400096_Iqnatia Sundus Anisa_IF.pdf Restricted to Registered users only Download (3MB)

Abstract

Anisa, Iqnatia Sundus. 2024. Klasifikasi Penyakit Pada Daun Melon Menggunakan Citra dengan Metode Convolutional Neural Network Berbasis Web. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Fathorazi Nur Fajri, M.Kom, (II) Fathur Rizal, M.Kom.

Kata kunci: penyakit melon, klasifikasi, Convolution Neural Network.

Melon merupakan salah satu komoditas hortikultura yang patut mendapat perhatian karena nilai ekonomisnya yang tinggi. Bagi petani tanaman melon, mengetahui segala jenis pengetahuan mengenai tanaman melon merupakan hal yang wajib, salah satunya adalah pengetahuan akan penyakit yang dapat menyerang tanaman melon. Sebagian besar petani melon di Probolinggo tidak mengetahui dengan pasti penyakit yang menjangkit pada tanamannya khususnya pada daun melon. Kurangnya pemahaman yang dimiliki oleh petani serta tidak tersedianya pakar penyakit pada tanaman hortikultura merupakan salah satu faktor utama terhambatnya perkembangan pertanian pada tanaman melon. Sehingga, pada permasalahan tanaman melon ini dapat dikembangkan sistem klasifikasi penyakit tanaman melon. Metode yang digunakan adalah Convolutional Neural Network yang mampu mengklasifikasi image maupun mendeteksi obyek yang ada pada image. Implementasi sistem juga dilakukan dengan menciptakan aplikasi web yang memungkinkan pengguna untuk memasukkan data baru dan mendapatkan hasil klasifikasi jenis daun. Penyakit daun melon yaitu daun sehat, daun embun bulu dan daun serangan ulat jengkal. Proses pelatihan model dengan menggunakan dataset sebanyak 240 citra dengan jumlah epoch sebanyak 25 telah memperoleh nilai akurasi sebesar 85% dan hasil dari pengujian dengan menggunakan data testing sebanyak citra pada setiap class telah memperoleh nilai rata – rata akurasi sebesar 82%.

Item Type:	Thesis (Other)
Subjects:	L Education > L Education (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	15 Apr 2026 04:40
Last Modified:	15 Apr 2026 04:40
URI:	https://repository.unuja.ac.id/id/eprint/2816

Actions (login required)

View Item