Detail Tugas Akhir

IDENTIFIKASI JENIS PENYAKIT JERUK SIAM MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Yulianingtias, Lutfiah (2024) IDENTIFIKASI JENIS PENYAKIT JERUK SIAM MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

Berkas Tugas Akhir

PDF
Text (Surat Persetujuan Unggah Karya Ilmiah)
Surat Persetujuan Unggah Karya.pdf
Baca PDF Ukuran File (191kB)
PDF
Text (Halaman Depan)
HALAMAN DEPAN.pdf
Baca PDF Ukuran File (1MB)
PDF
Text (BAB I)
BAB 1.pdf
Baca PDF Ukuran File (191kB)
PDF
Text (BAB II)
BAB 2.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (544kB)
PDF
Text (BAB III)
BAB 3.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (1MB)
PDF
Text (BAB IV)
BAB 4.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (4MB)
PDF
Text (BAB V)
BAB 5.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (144kB)
PDF
Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf
Baca PDF Ukuran File (170kB)
PDF
Text (Skripsi Full Text)
SKRIPSI FULL TEXT.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (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%

Informasi Item

Item Type Thesis (Skripsi (S1))
Uncontrolled Keywords Convolutional Neural Network (CNN), Deteksi dini penyakit, Jeruk Siam
Subjects Q Science > Q Science (General)
S Agriculture > S Agriculture (General)
T Technology > T Technology (General)
Divisions Faculty of Engineering
Date Deposited 18 Mar 2024 06:53
Last Modified 14 Jan 2025 08:09
URI https://eprints.umpo.ac.id/id/eprint/13595

Actions (login required)

View Item
View Item
Ada yang bisa kami bantu?