Habib, Muhammad (2024) PEMANFAATAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI CITRA DALAM MENGIDENTIFIKASI PENYAKIT DAUN KELAPA SAWIT DI PT NUBIKA JAYA. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (130kB)
	Text Abstrak.pdf Download (795kB)
	Text Bab I.pdf Download (1MB)
	Text Daftar Pustaka.pdf Download (1MB)
	Text Full-text_200180050_Muhammad Habib_Sistem Informasi.pdf Restricted to Registered users only Download (5MB)

Abstract

Perkembangan industri perkebunan terutama dalam sektor kelapa sawit memiliki peran penting dalam perekonomian Indonesia. Teknologi memainkan peran penting dalam meningkatkan efisiensi dan produktivitas industri. PT Nubika Jaya, sebuah perusahaan perkebunan kelapa sawit di Sumatera Utara, yang dimana menghadapi tantangan dilapangan berupa ditemukannya berbagai jenis penyakit daun kelapa sawit yang dapat mengurangi hasil kualitas panen. Adanya beberapa faktor yang perlu dipertimbangkan dalam menghadapi masalah ini, salah satunya adalah perubahan iklim yang dapat menciptakan lingkungan yang lebih menguntungkan bagi perkembangan penyakit-penyakit tersebut. Di samping itu, praktik pertanian yang belum optimal dan kurangnya pemahaman tentang manajemen penyakit tanaman juga turut berperan dalam memperburuk situasi. Penyakit daun kelapa sawit yang ditemukan terdiri dari 3 kelas yakni Orange Spot, Boron, dan White Stripe. Penelitian ini menggunakan penerapan metode Convolutional Neural Network (CNN) dalam mengidentifikasi penyakit daun kelapa sawit menggunakan jupyter notebook sebagai tempat code. Dataset penilitian ini berjumlah 700 data dengan berbagai kelas serta mempunyai ukuran data gambar 256x256 pixel dengan kanal RGB. Data pelatihan berjumlah 560 data dan untuk data pengujian sebanyak 140 data sample. Penelitian ini bertujuan untuk membangun sebuah aplikasi web yang menggunakan model CNN untuk mengidentifikasi penyakit daun kelapa sawit secara otomatis. Ditujukan bahwa aplikasi ini akan memberikan dukungan yang signifikan bagi para pekebun dalam meningkatkan efisiensi dan produktivitas industri kelapa sawit. Model CNN ini terbukti mampu mengenali berbagai jenis penyakit dengan akurasi cukup baik, memungkinkan para pekebun untuk mengambil tindakan yang cepat dan tepat dalam mengatasi masalah kesehatan tanaman. Penggunaan teknologi ini dapat mempercepat proses pengendalian penyakit, mengurangi risiko penyebaran, dan kerugian hasil panen. Dengan akurasi mencapai 94%, model CNN membuktikan kemampuannya dalam mendukung industri kelapa sawit.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	MUHAMMAD HABIB
Date Deposited:	31 Jul 2024 03:32
Last Modified:	31 Jul 2024 03:32
URI:	https://rama.unimal.ac.id/id/eprint/3720

Actions (login required)

View Item