PENERAPAN METODE CONVOLUTION NEURAL NETWORK (CNN) UNTUK DETEKSI PENYAKIT PADA TANAMAN KENTANG

Rahmadian, Atika Putri and Triloka, Joko (2025) PENERAPAN METODE CONVOLUTION NEURAL NETWORK (CNN) UNTUK DETEKSI PENYAKIT PADA TANAMAN KENTANG. Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.

[img] Text
Cover fix.pdf
Download (222kB)
[img] Text
Pernyataan.pdf
Download (216kB)
[img] Text
Halaman Pengesahan.pdf
Download (595kB)
[img] Text
Halaman Persetujuan.pdf
Download (557kB)
[img] Text
Abstrak fix.pdf
Download (226kB)
[img] Text
Daftar isi fix.pdf
Download (1MB)
[img] Text
Bab-1.pdf
Download (201kB)
[img] Text
Bab-2.pdf
Download (2MB)
[img] Text
Bab-3.pdf
Download (567kB)
[img] Text
Bab-4.pdf
Download (629kB)
[img] Text
Bab-5.pdf
Download (189kB)
[img] Text
Daftar pustaka.pdf
Download (231kB)
[img] Text
Lampiran.pdf
Download (1MB)

Abstract

Intisari Penerapan metode Convolution Neural Network (CNN) untuk Deteksi Penyakit pada Tanaman Kentang Tujuan utama dari penelitian ini adalah mengembangkan sebuah aplikasi berbasis website yang dapat mendeteksi penyakit pada tanaman kentang secara tepat dan cepat menggunakan model CNN. Penelitian ini menggunakan metode Convolution Neural Network (CNN). Implementasi algoritma CNN dalam mengklasifikasikan citra daun kentang yang terserang penyakit dilakukan dengan mencari rancangan arsitektur model terbaik dengan melakukan kombinasi hyperparameter dan Optimizer. Berdasarkan hasil dari pengujian kombinasi hyperparameter pada setiap model CNN yang dirancang. Setiap Hyperparameter dan Optimizer yang diujikan memberi pengaruh yang besar pada model yang dihasilkan.Kombinasi paling optimal yang diperoleh dari hasil pengujian adalah dengan kombinasi Optimizer Adam, Convolutional Layer 4,dan epochs 50. Hasil tingkat akurasi yang diperoleh dari data testing menggunakan model arstitektur terbaik dalam mengklasifikasikan citra jenis penyakit pada daun kentang yaitu sebesar 92,70 %. Penelitian selanjutnya diharapkan dapat membatasi jenis file yang diunggah untuk memastikan bahwa file tersebut benar-benar berupa file gambar daun bukan gambar yang lainnya. Key words: penyakit, daun kentang, CNN

Item Type: Thesis (Skripsi)
Subjects: Ilmu Komputer
eSkripsi
Divisions: Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Atika Putri Rahmadia
Date Deposited: 17 Jun 2025 03:46
Last Modified: 17 Jun 2025 03:46
URI: http://repo.darmajaya.ac.id/id/eprint/20431

Actions (login required)

View Item View Item