FADILAH, Adnan Nur (2025) SISTEM DETEKSI KEKURANGAN NUTRISI PADA DAUN CABAI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Bachelor thesis, UNIVERSITAS PERADABAN.
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/other.png) |
PDF (HALAMAN AWAL)
COVER-Adnan Nur Fadlilah-42421002-Skripsi-2025.pdf - Published Version Download (1MB) |
|
PDF (ABSTRAK)
ABSTRAK-Adnan Nur Fadlilah-42421002-Skripsi-2025.docx - Published Version Download (14kB) |
|
PDF (BAB I)
BAB I-Adnan Nur Fadlilah-42421002-Skripsi-2025.pdf - Published Version Restricted to Registered users only Download (258kB) |
|
PDF (BAB II)
BAB II-Adnan Nur Fadlilah-42421002-Skripsi-2025.pdf - Published Version Restricted to Registered users only Download (584kB) |
|
PDF (BAB III)
BAB III-Adnan Nur Fadlilah-42421002-Skripsi-2025.pdf - Published Version Restricted to Registered users only Download (263kB) |
|
PDF (BAB IV)
BAB IV-Adnan Nur Fadlilah-42421002-Skripsi-2025.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
PDF (BAB V)
BAB V-Adnan Nur Fadlilah-42421002-Skripsi-2025.pdf - Published Version Download (237kB) |
|
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA-Adnan Nur Fadlilah-42421002-Skripsi-2025.pdf - Published Version Download (203kB) |
|
PDF (LAMPIRAN)
LAMPIRAN-Adnan Nur Fadlilah-42421002-Skripsi-2025.PDF - Published Version Restricted to Repository staff only Download (377kB) |
Abstract
Deteksi dini terhadap defisiensi nutrisi pada tanaman cabai merupakan langkah penting dalam meningkatkan hasil pertanian secara efektif. Penelitian ini mengembangkan sebuah sistem berbasis web yang mampu mengidentifikasi kondisi daun cabai, seperti sehat atau mengalami kekurangan nutrisi (Nitrogen, Fosfor, Kalium, atau Magnesium), menggunakan metode Convolutional Neural Network (CNN). Pengumpulan data dilakukan secara langsung di kebun cabai dengan cara mengambil gambar daun menggunakan kamera. Setiap daun yang difoto kemudian diberi label berdasarkan hasil observasi bersama petani, sehingga klasifikasi kondisi daun sehat maupun mengalami kekurangan unsur hara tertentu sesuai dengan pengetahuan dan pengalaman petani di lapangan, yang kemudian diproses melalui tahapan augmentasi (flipping dan zooming) saat proses upload pada sistem dan normalisasi saat training. Model CNN yang telah dilatih disimpan dalam format file .h5 dan digunakan kembali pada proses prediksi oleh petani melalui antarmuka web yang interaktif. Sistem ini juga dilengkapi dengan fitur riwayat prediksi, pengelolaan dataset, dan pelatihan ulang model oleh admin. Hasil evaluasi menunjukkan model mampu mengklasifikasikan gambar daun dengan baik berdasarkan warna dan bentuk, dengan visualisasi berupa confusion matrix, classification report, serta grafik akurasi dan loss. Sistem ini diharapkan dapat membantu petani dalam mendeteksi dan menangani defisiensi nutrisi secara lebih cepat dan tepat.
| Item Type: | Thesis (Bachelor) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | CNN, daun cabai, deteksi nutrisi, klasifikasi citra, sistem web. | |||||||||
| Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 006-Metode Komputer Tertentu > Kecerdasan Buatan;Sistem Pakar; Neural Network; Data Mining; Machine learning; Computer Vision; Pengolahan Citra | |||||||||
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
| Depositing User: | S.E. Khozin Khozin | |||||||||
| Date Deposited: | 10 Mar 2026 02:16 | |||||||||
| Last Modified: | 10 Mar 2026 02:16 | |||||||||
| URI: | http://repository.peradaban.ac.id/id/eprint/2370 |
Actions (login required)
 |
View Item |