DETEKSI PENYAKIT TANAMAN STRAWBERRY MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEBSITE

Almuamanah, Tri (2024) DETEKSI PENYAKIT TANAMAN STRAWBERRY MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEBSITE. Diploma thesis, Politeknik Harapan Bersama.

	Text (BAB I) BAB I.pdf Download (1MB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (3MB)
	Text (BAB III) BAB III.pdf Download (171kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (229kB)
	Text (LAMPIRAN) LAMPIRAN.pdf Download (2MB)
	Text (Cover) Cover.pdf Download (875kB)

Abstract

Tanaman strawberry di Indonesia, khususnya di dataran tinggi, menghadapi tantangan signifikan terkait penyakit yang dapat mengurangi hasil panen dan menyebabkan kerugian ekonomi bagi petani. Penyakit yang sering menyerang meliputi bercak daun, hawar pucuk, embun tepung, dan botrytis, yang dapat mempengaruhi daun, bunga, dan buah stroberi. Identifikasi penyakit secara dini dan akurat sangat penting untuk mencegah kerusakan yang lebih parah. Namun, banyak petani tidak memiliki pengetahuan yang cukup mengenai gejala penyakit tersebut, dan mendatangkan tenaga ahli sering kali tidak praktis karena biaya dan waktu. Teknologi Convolutional Neural Network (CNN) menawarkan solusi potensial melalui deteksi fitur dan pola dalam gambar daun yang terinfeksi. Oleh karena itu, aplikasi deteksi penyakit tanaman strawberry berbasis website dirancang untuk memberikan solusi komprehensif dengan memanfaatkan pengolahan citra digital dan kecerdasan buatan. Aplikasi ini bertujuan untuk mempermudah identifikasi penyakit bagi petani, meningkatkan produktivitas, dan memastikan kualitas hasil panen melalui rekomendasi tindakan pencegahan dan pengobatan yang tepat. Hasil pengujian menunjukkan bahwa aplikasi ini memiliki tingkat akurasi sebesar 84% dalam mendeteksi penyakit pada tanaman strawberry. Selain itu, hasil evaluasi User Acceptance Testing (UAT) menunjukkan bahwa aplikasi ini diterima dengan baik oleh pengguna, dengan total persentase sebesar 78,41%, yang mengindikasikan bahwa sistem ini telah memenuhi kebutuhan dan ekspektasi pengguna. Kata Kunci: Tanaman Strawberry, Penyakit Tanaman, Deteksi Dini, Convolutional Neural Network (CNN), Aplikasi Berbasis Website

Item Type:	Thesis (Diploma)
Subjects:	T Technology
Divisions:	Teknik > Diploma IV Teknik Informatika
Depositing User:	Tri Almuamanah
Date Deposited:	30 Aug 2024 02:05
Last Modified:	30 Aug 2024 02:05
URI:	http://eprints.poltektegal.ac.id/id/eprint/3986

Actions (login required)

View Item