DETEKSI PENYAKIT TANAMAN BAWANG MERAH PADA CITRA DAUN DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR MACHINE (SVM)

Nisa', Khairin (2024) DETEKSI PENYAKIT TANAMAN BAWANG MERAH PADA CITRA DAUN DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR MACHINE (SVM). Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400244_Jamiatul Uhrowiyah_IF.pdf Restricted to Registered users only Download (7MB)

Abstract

Nisa’, Khairin. 2024. Deteksi Penyakit Tanaman Bawang Merah Pada Citra Daun Menggunakan Metode CNN dan SVM. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Anis Yusrotun Nadhiroh, M.MT., (II) M. Noer Fadli Hidayat, M.Kom.

Kata Kunci: Bawang Merah, CNN, SVM, Deteksi Penyakit, Citra Daun.

Sebagai negara agraris, sektor pertanian merupakan pilar krusial bagi perekonomian Indonesia, dengan bawang merah sebagai salah satu komoditas unggulannya. Namun, produktivitas bawang merah sering kali terhambat oleh serangan penyakit, khususnya bercak ungu dan moler, yang berdampak pada penurunan kualitas dan kuantitas hasil panen. Deteksi dini terhadap kesehatan tanaman menjadi langkah esensial untuk memitigasi kerugian ekonomi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit pada tanaman bawang merah melalui citra daun dengan membandingkan dua metode Machine Learning, yaitu Convolutional Neural Network (CNN) dan Support Vector Machine (SVM). Fokus utama penelitian ini adalah mengklasifikasikan tingkat keparahan penyakit ke dalam kategori sedang dan parah. Hasil penelitian menunjukkan bahwa model CNN memberikan performa yang lebih unggul dengan tingkat akurasi mencapai 98%, yang menunjukkan efektivitas tinggi dalam ekstraksi fitur citra secara otomatis. Di sisi lain, metode SVM memberikan hasil yang memuaskan dengan akurasi sebesar 95%. Meskipun akurasi SVM sedikit lebih rendah dibandingkan CNN, metode ini tetap kompetitif sebagai alternatif klasifikasi. Berdasarkan temuan tersebut, dapat disimpulkan bahwa arsitektur CNN merupakan metode yang paling direkomendasikan dalam mendeteksi penyakit tanaman bawang merah berdasarkan parameter akurasi dan keandalan identifikasi citra.

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 > SB Plant culture
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	29 Apr 2026 07:28
Last Modified:	29 Apr 2026 07:28
URI:	https://repository.unuja.ac.id/id/eprint/3273

Actions (login required)

View Item