SUNINGSIH, AYU (2026) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI PENYAKIT DAUN PADA TANAMAN CABAI RAWIT. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (141kB)
	Text Abstrak.pdf Download (148kB)
	Text Bab I.pdf Download (138kB)
	Text Daftar Pustaka.pdf Download (227kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

Penelitian ini mengembangkan sistem deteksi penyakit daun cabai berbasis citra yang diimplementasikan pada platform Android menggunakan metode Convolutional Neural Network (CNN) dan TensorFlow Lite. Sistem ini dirancang untuk mengklasifikasikan kondisi daun cabai ke dalam lima kategori, yaitu bercak daun, bukan daun, daun keriting, daun menguning, dan daun sehat. Dataset yang digunakan berjumlah 2.000 citra dengan masing-masing kelas terdiri dari 400 citra yang dibagi menjadi data pelatihan, validasi, dan pengujian dengan rasio 80:10:10. Arsitektur CNN yang digunakan terdiri dari tiga convolution layer dengan jumlah filter 32, 64, dan 128 yang diikuti oleh max pooling, flatten, fully connected layer, dan softmax. Hasil pengujian menggunakan 200 data testing menunjukkan bahwa model memperoleh accuracy sebesar 89,50%, precision sebesar 90%, recall sebesar 89%, dan F1-Score sebesar 89%. Model yang telah dilatih kemudian diimplementasikan ke dalam aplikasi Android sehingga mampu melakukan deteksi penyakit daun cabai secara realtime melalui kamera smartphone. Aplikasi yang dikembangkan dapat menampilkan hasil deteksi berupa jenis penyakit, tingkat kepercayaan prediksi, deskripsi penyakit, dan saran penanganan. Hasil penelitian menunjukkan bahwa metode CNN mampu digunakan untuk membantu proses identifikasi awal penyakit daun cabai dengan performa yang baik serta memberikan kemudahan bagi pengguna dalam melakukan deteksi secara cepat, praktis, dan akurat dalam berbagai kondisi penggunaan langsung.

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:	Ayu Suningsih
Date Deposited:	04 Sep 2026 04:42
Last Modified:	04 Sep 2026 04:42
URI:	https://rama.unimal.ac.id/id/eprint/22398

Actions (login required)

View Item