IDENTIFIKASI PENYAKIT TANAMAN BAWANG MERAH MELALUI DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Al Faruq, Muhammad Umar Musa (2024) IDENTIFIKASI PENYAKIT TANAMAN BAWANG MERAH MELALUI DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text Surat Persetujuan Unggah Karya Ilmiah.pdf Download (142kB)
	Text Soft File Halaman Depan.pdf Download (563kB)
	Text Soft file Bab 1.pdf Download (50kB)
	Text Soft file Bab 2.pdf Restricted to Repository staff only Download (377kB) | Request a copy
	Text Soft file Bab 3.pdf Restricted to Repository staff only Download (334kB) | Request a copy
	Text Soft file Bab 4.pdf Restricted to Repository staff only Download (699kB) | Request a copy
	Text Soft file Bab 5.pdf Restricted to Repository staff only Download (41kB) | Request a copy
	Text Soft file Daftar Pustaka.pdf Download (116kB)
	Text Soft file Full Text.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Bawang merah merupakan komoditas hortikultura penting di Indonesia dan rentan terhadap berbagai penyakit yang dapat menurunkan hasil panen. Identifikasi dini yang akurat sangat penting untuk pengendalian yang efektif. Penelitian ini mengembangkan sistem identifikasi penyakit bawang merah menggunakan analisis citra daun dan algoritma Convolutional Neural Network (CNN). Dataset gambar daun bawang merah diperoleh dari kebun di Desa Buluharjo, Kecamatan Plaosan, Magetan, Jawa Timur, mencakup enam kelas penyakit utama: bercak ungu, busuk daun, embun tepung, layu fusarium, moler, dan virus mosaik. Model CNN dengan arsitektur VGG16 digunakan untuk klasifikasi penyakit. Data dibagi menjadi tiga bagian: pelatihan (40%), pengujian (20%), dan validasi (40%). Teknik augmentasi data diterapkan untuk meningkatkan variasi gambar pelatihan dan mencegah overfitting. Hasil penelitian menunjukkan model VGG16 mencapai akurasi pelatihan tinggi, yaitu 95,29%, dan akurasi validasi 85,17%. Evaluasi dengan confusion matrix mengungkapkan model efektif dalam identifikasi penyakit, dengan akurasi tertinggi pada kelas moler (100%) dan terendah pada busuk daun (92,8%). Kesalahan klasifikasi terjadi antara kelas dengan gejala mirip, seperti busuk daun, embun tepung, dan layu fusarium. Berdasarkan hasil validasi dengan pakar, sistem identifikasi menunjukkan 11 sampel benar dan 1 sampel salah, dengan persentase akurasi 91,67%. Penelitian ini menunjukkan potensi CNN dengan arsitektur Visual Geometry Group-16 (VGG-16) untuk identifikasi penyakit bawang merah

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	Bawang Merah, Convolutional Neural Network (CNN), Identifikasi Penyakit, Penyakit Tanaman, Visual Geometry Group-16 (VGG-16).
Subjects:	Q Science > QK Botany S Agriculture > S Agriculture (General) S Agriculture > SB Plant culture T Technology > T Technology (General)
Divisions:	Faculty of Engineering
Depositing User:	ft . userft
Date Deposited:	06 Sep 2024 01:01
Last Modified:	03 Nov 2025 04:30
URI:	https://eprints.umpo.ac.id/id/eprint/14851

Actions (login required)

View Item