Bahari, Alam (2026) DETEKSI DINI PENYAKIT PADA DAUN CABAI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASI CITRA DAUN. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (282kB)
	Text Abstrak.pdf Download (245kB)
	Text BAB I.pdf Download (298kB)
	Text Daftar Pustaka.pdf Download (258kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Penyakit pada daun cabai merupakan salah satu faktor utama penurunan produktivitas tanaman cabai di Indonesia. Deteksi dini secara manual memerlukan waktu lama dan bergantung pada keahlian petani. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini penyakit daun cabai berbasis citra digital menggunakan You Only Look Once (YOLOv8) yang berbasis Convolutional Neural Network (CNN). Penelitian dilakukan dengan mengumpulkan dataset sebanyak 1,283 citra daun cabai dari lahan petani di Provinsi Aceh yang terdiri dari empat kelas, yaitu: daun sehat, daun keriting (Pepper Yellow Leaf Curl Virus), daun kuning, dan bercak daun (Cercospora capsici). Dataset dibagi menjadi data latih (70%), validasi (20%), dan uji (10%). Penelitian berhasil mengembangkan sistem deteksi penyakit daun cabai berbasis citra menggunakan metode CNN yang mampu mengidentifikasi empat kategori daun, yaitu daun sehat, daun keriting, daun kuning, dan bercak daun. Model yang telah dilatih mampu melakukan deteksi secara otomatis dan real-time terhadap citra daun cabai yang diberikan sebagai input.Berdasarkan hasil pengujian dan akurasi model, model memperoleh nilai Precision sebesar 61,2%, Recall sebesar 56,6%, F1-score sebesar 57%, mAP@50 sebesar 56,2%, dan akurasi sebesar 64%. Kelas daun sehat memperoleh performa terbaik dengan nilai mAP sebesar 69,6%, sedangkan kelas daun kuning memperoleh performa terendah dengan nilai mAP sebesar 29,7%. Kata Kunci: Deteksi penyakit daun cabai, YOLOv8, Convolutional Neural Network, Computer Vision, Deep Learning, Citra Daun.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Alam Bahari
Date Deposited:	03 Sep 2026 09:06
Last Modified:	03 Sep 2026 09:06
URI:	https://rama.unimal.ac.id/id/eprint/22344

Actions (login required)

View Item