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.

	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:	Q Science > Q Science (General) S Agriculture > S Agriculture (General) T Technology > T Technology (General)
Divisions:	Faculty of Engineering
Depositing User:	ft . userft
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