Amelia, Indah and Nisar, Nisar (2024) Diagnosa Penyakit Daun Tomat Menggunakan Metode VGG-19. Skripsi thesis, Institut Informatika & Bisnis Darmajaya.
![[img]](http://repo.darmajaya.ac.id/style/images/fileicons/text.png) |
Text
Cover.pdf Download (104kB) |
|
Text
Halaman Orisinalitas Penelitian.pdf Download (425kB) |
|
Text
Halaman Persetujuan.pdf Download (403kB) |
|
Text
Halaman Pengesahan.pdf Download (496kB) |
|
Text
Daftar Riwayat Hidup.pdf Download (352kB) |
|
Text
Halaman Persembahan.pdf Download (355kB) |
|
Text
Motto.pdf Download (144kB) |
|
Text
Abstrak.pdf Download (81kB) |
|
Text
Abstract.pdf Download (524kB) |
|
Text
Prakata.pdf Download (147kB) |
|
Text
Daftar Isi.pdf Download (104kB) |
|
Text
Bab 1.pdf Download (284kB) |
|
Text
Bab 2.pdf Download (926kB) |
|
Text
Bab 3.pdf Download (352kB) |
|
Text
Bab 4.pdf Download (1MB) |
|
Text
Bab 5.pdf Download (340kB) |
|
Text
Daftar Pustaka.pdf Download (349kB) |
|
Text
Lampiran.pdf Download (732kB) |
Abstract
Penyakit pada tanaman yang seringkali merugikan pertanian, dapat dilihat secara manual dan memerlukan waktu yang sangat lama sehingga dapat menimbulkan kemungkinan terjadinya kesalahan dalam penyakit deteksi. Mendeteksi penyakit pada tanaman secara dini dapat mengatasi permasalahan tersebut dan mengurangi risiko berkurangnya produksi tanaman. Tujuan dari penelitian ini adalah untuk menciptakan perbandingan cara mendeteksi penyakit daun tomat dengan cepat dan akurat dibandingkan dengan peneliti sebelumnya yang menggunakan aplikasi Deep Learning. Yang dapat diterapkan secara efektif untuk klasifikasi gambar menggunakan arsitektur VGG-19. Implementasi model ini menggunakan dataset yang berisi 2.694 gambar, termasuk 3 jenis penyakit yang berbeda. Kesimpulan penelitian ini adalah cara tercepat dan akurat untuk mendeteksi penyakit daun tomat. Untuk membuktikan penelitian, hasil dan data yang diperlukan akan disajikan dalam makalah ini. Akurasi yang diperoleh pada arsitektur VGG-19 sebesar 91,85% dengan peningkatan akurasi yang terbaik dibandingkan jurnal sebelumnya yang hanya memperoleh akurasi 87%.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | Ilmu Komputer eSkripsi |
| Divisions: | Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Indah Amelia |
| Date Deposited: | 27 Mar 2024 11:08 |
| Last Modified: | 27 Mar 2024 11:08 |
| URI: | http://repo.darmajaya.ac.id/id/eprint/15413 |
Actions (login required)
 |
View Item |