KLASIFIKASI PENYAKIT PADA CITRA BUAH JERUK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS (CNN) DENGAN ARSITEKTUR VGGNET

Handoyo, Werdi (2024) KLASIFIKASI PENYAKIT PADA CITRA BUAH JERUK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS (CNN) DENGAN ARSITEKTUR VGGNET. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400115_Werdi Handoyo_IF.pdf Restricted to Registered users only Download (3MB)

Abstract

Handoyo, Werdi. 2024. Klasifikasi Penyakit Pada Citra Buah Jeruk Menggunakan Convolutional Neural Networks (CNN) Dengan Arsitektur VGGNet. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Kamil Malik, M.Kom., (II) Maulidiansyah, M.Kom.

Kata Kunci: VGGNet, Web Flask, Klasifikasi Penyakit, Buah Jeruk, Deep Learning.

Penyakit pada buah jeruk merupakan faktor utama yang dapat menyebabkan kerugian ekonomi signifikan bagi para petani akibat penurunan kualitas dan kuantitas produksi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi penyakit pada buah jeruk secara efektif menggunakan metode Convolutional Neural Networks (CNN) dengan arsitektur VGGNet. Sistem ini diimplementasikan ke dalam aplikasi berbasis web menggunakan framework Flask untuk memudahkan aksesibilitas bagi pengguna. Tahapan penelitian dimulai dengan pengumpulan dataset citra penyakit jeruk, yang dilanjutkan dengan proses preprocessing seperti resizing dan augmentasi data untuk meningkatkan variasi data latih. Model dikembangkan menggunakan arsitektur VGG16 dan diuji untuk mengklasifikasikan empat kategori, yaitu: blackspot, canker, greening, dan fresh (jeruk sehat). Hasil penelitian menunjukkan bahwa model mampu mencapai tingkat akurasi tertinggi sebesar 94% pada konfigurasi 50 epoch, yang membuktikan efektivitas arsitektur VGG16 dalam mengidentifikasi jenis penyakit pada buah jeruk. Penelitian ini tidak hanya berkontribusi pada peningkatan akurasi diagnosis penyakit tanaman, tetapi juga menunjukkan potensi besar pemanfaatan teknologi deep learning dalam mentransformasi sektor pertanian menjadi lebih efisien dan akurat.

Item Type:	Thesis (Other)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software S Agriculture > S Agriculture (General)
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	28 Apr 2026 04:47
Last Modified:	28 Apr 2026 04:47
URI:	https://repository.unuja.ac.id/id/eprint/3185

Actions (login required)

View Item