Putri, Bella Amanda (2025) PENERAPAN MODEL CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK IDENTIFIKASI PENYAKIT PADA TANAMAN PADI MENGGUNAKAN CITRA DAUN. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (137kB)
	Text Abstract.pdf Download (230kB)
	Text BAB 1 TGA.pdf Download (252kB)
	Text Daftar Pustaka.pdf Download (180kB)
	Text FULL TEXT TGA.pdf Restricted to Registered users only Download (4MB)

Abstract

Tanaman padi merupakan salah satu komoditas utama di sektor pertanian Indonesia yang mempunyai peran penting untuk menjaga ketahanan pangan nasional. Namun, produktivitas tanaman padi kerap kali terganggu yang diakibatkan oleh serangan penyakit pada daun padi, contohnya seperti Bacterial Leaf Blight, Brown Spot, Leaf Blast, dan Narrow Brown Spot. Permasalahan ini diperburuk dengan adanya keterbatasan ilmu pengetahuan yang dimiliki beberapa petani dalam mengidentifikasi jenis penyakit tersebut. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem identifikasi penyakit daun padi dengan menggunakan metode Convolutional Neural Network (CNN) dengan teknik transfer learning pada dua model arsitektur yang berbeda, yaitu VGG16 dan MobileNet. Dataset yang digunakan pada penelitian ini terdiri dari 2.190 citra daun padi yang terbagi ke dalam lima kelas. Tahapan pada penelitian ini terdiri dari pengumpulan dataset, pre-processing data, pelatihan model, dan analisis confusion matrix. Hasil yang diperoleh menunjukkan model arsitektur VGG16 mencapai akurasi sebesar 98%, dengan hasil confusion matrix menunjukkan bahwa model VGG16 mampu mengklasifikasikan citra secara akurat hampir di seluruh kelas, sedangkan model arsitektur MobileNet mencapai akurasi sebesar 95%. Berdasarkan hasil tersebut bisa disimpulkan bahwa penerapan Convolutional Neural Network (CNN) terkhususnya model arsitektur VGG16 sangat efektif dalam mengidentifikasi penyakit daun padi. Selain itu, sistem yang dibangun pada penelitian ini diimplementasikan ke dalam bentuk aplikasi berbasis website dengan menggunakan framework flask, yang bisa memungkinkan pengguna seperti petani untuk mengunggah gambar daun padi dan memperoleh hasil prediksi penyakit daun padi secara cepat dan otomatis.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Bella Amanda Putri
Date Deposited:	25 Aug 2025 03:48
Last Modified:	25 Aug 2025 03:48
URI:	https://rama.unimal.ac.id/id/eprint/14306

Actions (login required)

View Item