PERANCANGAN SISTEM DETEKSI PENYAKIT DAUN KENTANG DENGAN CONVOLUTIONAL NEURAL NETWORK DAN ARSITEKTUR VGG16

Tigar Gumelang, Agam (2025) PERANCANGAN SISTEM DETEKSI PENYAKIT DAUN KENTANG DENGAN CONVOLUTIONAL NEURAL NETWORK DAN ARSITEKTUR VGG16. S1 thesis, Universitas Muhammadiyah Ponorogo.

	Text (SURAT PERSETUJUAN UNGGAH KARYA ILMIAH) 1. SURAT PERSETUJUAN UNGGAH KARYA ILMIAH.pdf Download (592kB)
	Text (HALAMAN DEPAN) 2. HALAMAN DEPAN.pdf Download (5MB)
	Text (BAB I) 3. BAB I.pdf Download (513kB)
	Text (BAB II) 4. BAB II.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB III) 5. BAB III.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV) 6. BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V) 7. BAB V.pdf Restricted to Repository staff only Download (488kB) | Request a copy
	Text (DAFTAR PUSTAKA) 8. DAFTAR PUSTAKA.pdf Download (564kB)
	Text (SKRIPSI FULL TEXT) 9. SKRIPSI FULL TEXT.pdf Restricted to Repository staff only Download (11MB) | Request a copy

Abstract

Sektor pertanian yang memiliki potensi besar adalah hortikultura, salah satunya melalui budidaya tanaman kentang. Tanaman ini kaya akan karbohidrat, vitamin, dan mineral. budidaya kentang tidak lepas dari gangguan penyakit yang menyerang daun kentang. Penyakit bulai (Early Blight) disebabkan oleh jamur Alternaria solani Penyakit Bercak Daun (Leaf Spot Disease) disebabkan oleh beberapa jenis jamur, seperti Phoma exigua dan Septoria, Penyakit Kuning Daun (Yellowing or Leaf Chlorosis) Penyakit kuning pada daun kentang dapat disebabkan oleh beberapa faktor, termasuk infeksi virus, kekurangan unsur hara, atau infeksi bakteri. Penyakit daun kentang dapat menyebabkan dampak serius bagi petani, terutama dalam hal produktivitas maupun kualitas hasil panen. Kondisi kesulitan dalam identifikasi dan penanganan penyakit daun kentang memiliki gejala serupa, seperti bercak-bercak pada daun atau perubahan warna daun. Solusi dalam mengatasi kendala tersebut, dengan menggunakan metode Convolutional Neural Networks (CNN) untuk mendeteksi citra penyakit daun kentang Penambahan VGG16 yang merupakan salah satu model CNN yang sangat populer dalam bidang pengenalan citra. Arsitektur VGG16 dikenal karena kesederhanaannya untuk meningkatkan akurasi Model ini sering digunakan dalam tugas klasifikasi citra, termasuk dalam deteksi penyakit pada tanaman, seperti daun kentang. pengamatan klasifikasi dibuat menggunakan dataset yang telah dilabeli sesuai dengan masing-masing parameter Tahapan ini memanfaatkan data sekunder kaggle PlantVillage. Tahapan utama dalam proses ini Convolution, Pooling Layer, Fully Connected Layer, proses resize ukuran citra dimampatkan dengan mengurangi basis matrik, menghasilkan bentuk compile model yang akan ditampilkan pada interface berbasis web. loss saat dataset training dikondisi 0,86 loss pada data valid 1,27. Di awal proses pelatihan, tingkat akurasi model masih tergolong rendah, yakni 57,48% Namun, seiring penambahan jumlah iterasi, keakuratan pada data latihan meningkat dengan signifikasi, dapat tercapai 96,06% pada iterasi ke-20 kecenderungan pengurangan loss modeling sepanjang training dan validitas menghasilkan nilai 0,0405 menjadi stabil.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	CNN, penyakit daun kentang, VGG16
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T201 Patents. Trademarks T Technology > TD Environmental technology. Sanitary engineering
Divisions:	Faculty of Engineering > Department of Informatic Engineering
Depositing User:	ft . userft
Date Deposited:	17 Mar 2025 02:44
Last Modified:	10 Nov 2025 05:54
URI:	https://eprints.umpo.ac.id/id/eprint/16044

Actions (login required)

View Item