Please use this identifier to cite or link to this item:
https://repository.unej.ac.id/xmlui/handle/123456789/106168
Title: | Identifikasi Hama dan Penyakit pada Tanaman Sawi Pakcoy Menggunakan Metode Convolutional Neural Network (CNN) |
Authors: | FEROZA, Achmad Zein |
Keywords: | Convolutional Neural Network Deep Learning Mobilenet Hama dan Penyakit Sawi |
Issue Date: | Nov-2021 |
Publisher: | Fakultas Ilmu Komputer |
Abstract: | Sawi menjadi salah satu jenis sayuran yang mudah dibudidayakan, serta memiliki prospek yang baik dalam upaya meningkatkan pendapatan petani dan gizi bagi masyarakat. Namun dalam proses budidaya masih terdapat gangguan yang disebabkan oleh hama dan penyakit sehingga dapat merusak tanaman tersebut, ditambah iklim di Indonesia yang sering berubah berdampak pada serangan hama dan penyakit yang mengakibatkan perkembangan hama dan penyakit tidak terputus. Hal tersebut berpotensi menurunkan produktivitas tanaman sawi, bahkan dapat menyebabkan gagal panen. Deteksi hama dan penyakit pada tanaman secara akurat dan cepat dapat membantu petani dalam menentukan pengobatan yang tepat pada tanaman, dengan demikian dapat mengurangi kerugian ekonomi dan menghasilkan panen yang banyak dan berkualitas Oleh karena itu dengan adanya sistem deteksi hama dan penyakit pada tanaman sawi secara akurat dan cepat dapat membantu petani dalam menentukan pengobatan yang tepat, dengan demikian dapat mengurangi kerugian ekonomi dan menghasilkan panen yang banyak dan berkualitas. Dengan menerapkan metode Convolutional Neural Network pada sistem, dimana metode ini dapat mengklasifikasikan sebuah citra dan menghasilkan sebuah keputusan. Sistem ini berbasis website dan menggunakan bahasa pemrogaman python, flask, php dan pytorch. Dataset yang digunakan terdiri dari hama leafminer, kupu klapper, penyakit embun tepung, tanaman yang sehat dan menggunakan multi label data untuk pelabelan hama dan penyakit pada setiap gambar. Dari hasil uji coba dengan menggunakan model arsitektur mobilenet versi ke-2 didapatkan tingkat error dari training sebesar 0.055 dari total dataset sebanyak 894 gambar training dan 262 gambar testing. |
URI: | http://repository.unej.ac.id/xmlui/handle/123456789/106168 |
Appears in Collections: | UT-Faculty of Computer Science |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
doc.pdf Until 2027-04-06 | 2.73 MB | Adobe PDF | View/Open Request a copy |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Admin Tools