KHOERUNISA, khoerunisa (2022) PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK DETEKSI PENYAKIT PADA TANAMAN PADI UNTUK MENINGKATKAN KUALITAS HASIL PANEN PADI PETANI (Studi Kasus: Desa Bangbayang). Bachelor thesis, UNIVERSITAS PERADABAN.

Full text not available from this repository.

Abstract

Produk pertanian tanaman padi merupakan komoditas tanaman pangan yang menonjol dan berpotensi tinggi dalam sektor pertanian, dimana tanaman padi adalah sumber makanan pokok masyarakat Indonesia, dikarnakan kandungan nutrisi yang terkandung dalam tanaman padi cocok untuk nutrisi yang di perlukan oleh tubuh manusia. Pengelolaan pertanian tanaman padi ini tentu memiliki beberapa kendala salah satunya yaitu adanya serangan penyakit tanaman padi melalui bercak daun padi dapat menyebabkan gagal panen, mengakibatkan petani mengalami banyak kerugian serta mengakibatkan kualitas panen buruk yaitu padi kopong atau tidak berisi. Penyakit tanaman padi sering menunjukan beberapa gelaja penyakit yang diderita, petani dapat melakukan pencegahan dari gejala penyakit tersebut, tetapi langkah itu memiliki kelemahan yaitu proses identifikasi yang lama dan jika penanganan pada penyakit ini sangat lambat akan menyebabkan biaya perawatan. Petani mesti dikenalkan dengan pemanfaatan bidang informatika dalam mengidentifikasi penyakit pada tanaman padi dengan menggunakan image proccesing atau yang biasa disebut pengolahan citra digital. Pemanfaatan teknologi pengolahan citra digital dalam menyelesaikan masalah pada penelitian ini adalah untuk mengidentifikasi penyakit padi melalui citra digital berdasarkan morpologi bercak daun padi. dengan menggunakan Teknologi Deep Learning yang memiliki kemampuan yang baik dalam Computer Vision, salah satunya yaitu image classification atau klasifikasi objek pada citra. Metode yang dapat digunakan dalam melakukan klasifikasi citra ini yaitu Convolutional Neural Network (CNN). Tingkat akurasi yang didapatkan dari penerapan metode Convolutional Neural Network (CNN) berdasarkan 2 jenis arsitektur yang digunakan dalam penelitian ini yaitu arsitektur Letnet-5 menghasilkan tingkat akurasi terbaik sebesar 85% dan pada arsitektur Custom menghasilkan tingkat akurasi terbaik yaitu 90%.

Item Type:	Thesis (Bachelor)
Contributors:	Contribution Contributors NIDN/NIDK Thesis advisor SARASWATI, Nurul Mega nidn0606069102 UNSPECIFIED HARIYONO, Ritto Cipta Sagitta nidn0619128301
Uncontrolled Keywords:	Tanaman Padi , Deteksi Penyakit Tanaman padi, Citra Digital, Deep Learning, Convolutional Neural Network (CNN) dan Asitektur Convolutional Neural Network (CNN).
Subjects:	000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 005-Pemrograman Komputer, Sistem Pemrograman dan Data > Sistem Pemrograman; Sistem Operasi;
Divisions:	Fakultas Sains dan Teknologi > Program Studi Informatika - S1
Depositing User:	S.E. Khozin Khozin
Date Deposited:	23 Jul 2023 03:08
Last Modified:	23 Jul 2023 03:11
URI:	http://repository.peradaban.ac.id/id/eprint/1303

Actions (login required)

View Item