PERANCANGAN SISTEM DETEKSI PENYAKIT PADA TANAMAN STROBERI DENGAN CNN TERINTEGRASI IOT (INTERNET OF THINGS)

Putra, Mahardika Yoshi (2025) PERANCANGAN SISTEM DETEKSI PENYAKIT PADA TANAMAN STROBERI DENGAN CNN TERINTEGRASI IOT (INTERNET OF THINGS). S1 thesis, Universitas Muhammadiyah Ponorogo.

	Text (SURAT PERSETUJUAN UNGGAH KARYA ILMIAH) Surat Persetujuan Unggah Karya.pdf Download (121kB)
	Text (HALAMAN DEPAN) Halaman Depan.pdf Download (4MB)
	Text (BAB 1) Bab 1.pdf Download (492kB)
	Text (BAB 2) Bab 2.pdf Restricted to Repository staff only Download (508kB) | Request a copy
	Text (BAB 3) Bab 3.pdf Restricted to Repository staff only Download (698kB) | Request a copy
	Text (BAB 4) Bab 4.pdf Restricted to Repository staff only Download (511kB) | Request a copy
	Text (BAB 5) Bab 5.pdf Restricted to Repository staff only Download (299kB) | Request a copy
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Download (267kB)
	Text (LAMPIRAN) Lampiran.pdf Restricted to Repository staff only Download (261kB) | Request a copy
	Text (SKRIPSI FULL TEXT) Skripsi Full Text.pdf Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Tanaman stroberi merupakan komoditas unggulan di daerah dataran tinggi, namun rentan terserang penyakit seperti antraknosa, jamur abu-abu, dan bercak daun yang dapat menurunkan hasil panen secara signifikan. Penelitian ini bertujuan untuk merancang sistem deteksi penyakit stroberi secara otomatis menggunakan algoritma Convolutional Neural Network (CNN) yang terintegrasi dengan perangkat Internet of Things (IoT) untuk penyemprotan pestisida otomatis. Dataset yang digunakan terdiri dari 1500 citra daun dan buah stroberi, diklasifikasikan ke dalam lima kelas: daun sehat, buah sehat, antraknosa, jamur abu-abu, dan bercak daun. Model CNN dirancang dari awal tanpa transfer learning, dengan preprocessing, augmentasi data, dan pelatihan menggunakan TensorFlow dan Keras. Sistem deteksi diimplementasikan dalam bentuk aplikasi web berbasis Flask yang memungkinkan pengguna mengunggah gambar tanaman untuk dideteksi. Jika teridentifikasi penyakit, sistem akan mengirim perintah melalui protokol MQTT ke NodeMCU ESP8266 untuk mengaktifkan relay dan menyemprotkan pestisida secara otomatis. Pengujian menunjukkan bahwa model CNN mencapai akurasi 90% dalam klasifikasi gambar, dan sistem IoT mampu merespons perintah dengan latensi rata-rata rendah serta durasi penyemprotan yang tepat. Sistem ini mampu meningkatkan efektivitas deteksi dan penanganan penyakit secara real-time di lapangan, sehingga berpotensi membantu petani dalam menjaga produktivitas tanaman stroberi.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	CNN, deteksi penyakit, Flask, IoT, MQTT, NodeMCU ESP8266, stroberi.
Subjects:	L Education > L Education (General)
Divisions:	Faculty of Engineering
Depositing User:	Mahardika Yoshi Putra
Date Deposited:	04 Sep 2025 14:44
Last Modified:	04 Nov 2025 03:07
URI:	https://eprints.umpo.ac.id/id/eprint/17787

Actions (login required)

View Item