JEPRI, Jepri (2020) Identifikasi Penyakit pada Daun Tomat dan Daun Singkong berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Android. Skripsi thesis, Universitas Jenderal Soedirman.
![]() |
PDF (Cover)
Cover-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Download (273kB) |
![]() |
PDF (Legalitas)
Legalitas-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Restricted to Repository staff only Download (598kB) |
![]() |
PDF (Abstrak)
Abstrak-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Download (302kB) |
![]() |
PDF (BabI)
BAB I-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Restricted to Repository staff only Download (275kB) |
![]() |
PDF (BabII)
BAB II-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Restricted to Repository staff only Download (1MB) |
![]() |
PDF (BabIII)
BAB III-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Restricted to Repository staff only Download (377kB) |
![]() |
PDF (BabIV)
BAB IV-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Restricted to Repository staff only Download (1MB) |
![]() |
PDF (BabV)
BAB V-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Restricted to Repository staff only Download (247kB) |
![]() |
PDF (DaftarPustaka)
Daftar Pustaka-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Download (257kB) |
![]() |
PDF (Lampiran)
Lampiran-Jepri-H1A016025-Laporan Tugas Akhir-FT-2020.pdf Restricted to Repository staff only Download (5MB) |
Abstract
Pertanian memiliki arti penting dalam pembangunan perekonomian bangsa. Pemerintah telah menetapkan pertanian sebagai prioritas utama pembangunan di masa mendatang. Sektor pertanian tidak saja sebagai penyedia kebutuhan pangan bagi penduduknya, tetapi juga merupakan sumber pendapatan ekspor (devisa) serta pendorong dan penarik bagi tumbuhnya sektor-sektor ekonomi lainnya. Misalnya pada produksi tanaman tomat dan singkong yang memiliki penjualan yang tinggi. Salah satu penyebab utama penurunan produksi hasil tersebut yaitu munculnya berbagai macam penyakit. Identifikasi penyakit tanaman biasanya dilakukan di laboratorium. Dalam hal ini penulis membuat penelitian tentang identifikasi penyakit tanaman menggunakan deep learning berbasis android agar mudah digunakan menggunakan Smartphone. Cara penggunaannya hanya dengan memasukan obyek yang akan di identifikasi kedalam aplikasi Plant Diseasesmelalui media pengambilan gambar secara langsung menggunakan kamera atau import gallery. Berdasarkan hasil pelatihan dan pengujian yang dilakukan menggunakan tiga arsitektur (VGG16, InceptionV3, dan mobileNet) proses identifikasi menggunakan arsitektur mobileNet memiliki akurasi yang lebih tinggi, mobileNet memiliki akurasi sebesar 95,33%, arsitektur Inception 92,67%, dan VGG16 76,67%. Selain itu mobileNet juga memiliki respon deteksi yang lebih cepat yaitu memiliki respon deteksi rata-rata sebesar 134,66, sedangkan pada arsitektur Inception dan VGG16 masing masing sebesar 643,6 dan 789,03.
Item Type: | Thesis (Skripsi) |
---|---|
Nomor Inventaris: | H20053 |
Uncontrolled Keywords: | Penyakit Tanaman, Deep Learning, CNN. |
Subjects: | P > P328 Plants |
Divisions: | Fakultas Teknik > S1 Teknik Elektro |
Depositing User: | Mrs PKL PKL |
Date Deposited: | 16 Mar 2022 07:26 |
Last Modified: | 16 Mar 2022 07:26 |
URI: | http://repository.unsoed.ac.id/id/eprint/13848 |
Actions (login required)
![]() |
View Item |