Yulianingtias, Lutfiah (2024) IDENTIFIKASI JENIS PENYAKIT JERUK SIAM MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.
![[img]](http://eprints.umpo.ac.id/style/images/fileicons/text.png) |
Text (Surat Persetujuan Unggah Karya Ilmiah)
Surat Persetujuan Unggah Karya.pdf Download (191kB) |
|
Text (Halaman Depan)
HALAMAN DEPAN.pdf Download (1MB) |
|
Text (BAB I)
BAB 1.pdf Download (191kB) |
|
Text (BAB II)
BAB 2.pdf Restricted to Repository staff only Download (544kB) |
|
Text (BAB III)
BAB 3.pdf Restricted to Repository staff only Download (1MB) |
|
Text (BAB IV)
BAB 4.pdf Restricted to Repository staff only Download (4MB) |
|
Text (BAB V)
BAB 5.pdf Restricted to Repository staff only Download (144kB) |
|
Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf Download (170kB) |
|
Text (Skripsi Full Text)
SKRIPSI FULL TEXT.pdf Restricted to Repository staff only Download (8MB) |
Abstract
Jeruk siam (Citrus suhuiensis Tan) adalah komoditas utama yang dikembangkan di desa Ngendut, Kabupaten Ponorogo, dengan produktivitas berkisar 17-24 ton/ha. Desa Ngendut memiliki potensi pemasaran lokal yang baik, terutama ke kota Jember. Namun, hasil panen jeruk siam sering mengalami kerusakan sekitar 30% karena penyakit dan faktor lainnya. Beberapa penelitian yang dilakukan oleh peneliti terdahulu sudah membuat sistem yang akan diuji untuk mendeteksi kematangan melalui tekstur buah jeruk. Penelitian ini juga akan membuktikan apakah sistem yang dibuat oleh peneliti tersebut berjalan dengan maksimal. Peneliti menggunakan Algoritma CNN dengan arsitektur alexnet. Disini peneliti menggunakan 4 sampel citra uji coba yang terdiri dari 1 daun sehat, 1 daun penyakit blackspot, 1 daun penyakit greening, 1 daun penyakit kanker. Citra tersebut dihitung manual menggunakan arsitektur Alex-Net menghasilkan bahwa arsitektur yang digunakan tidak berhasil membedakan antara 4 sampel citra yang sudah dihitung. Pada uji coba yang dilakukan dengan 2 kali percobaan pada aplikasi menghasilkan akurasi pada percobaan pertama sebesar 47%, dan pada percobaan kedua sebesar 25%
| Item Type: | Thesis (Skripsi (S1)) |
|---|---|
| Uncontrolled Keywords: | Convolutional Neural Network (CNN), Deteksi dini penyakit, Jeruk Siam |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering |
| Depositing User: | ft . userft |
| Date Deposited: | 18 Mar 2024 06:53 |
| Last Modified: | 18 Mar 2024 06:53 |
| URI: | http://eprints.umpo.ac.id/id/eprint/13595 |
Actions (login required)
 |
View Item |
