Nabila, - (2025) Aplikasi Mobile untuk Deteksi Penyakit Pada Daun Cabai Berbasis Convolutional Neural Network (CNN). Diploma thesis, Politeknik Negeri Sriwijaya.
|
Text (Cover)
COVER.pdf - Published Version Download (941kB) | Preview |
|
|
Text (Abstrak)
ABSTRAK.pdf - Published Version Download (192kB) | Preview |
|
![[img]](http://eprints.polsri.ac.id/style/images/fileicons/text.png) |
Text (Bab I)
BAB I.pdf - Published Version Restricted to Repository staff only Download (184kB) |
|
|
Text (Bab II)
BAB II.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text (Bab III)
BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text (Bab IV)
BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
|
Text (Bab V)
BAB V.pdf - Published Version Restricted to Repository staff only Download (170kB) |
|
|
Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (168kB) |
|
|
Text (Lampiran)
LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (5MB) |
Abstract
Cabai merupakan salah satu komoditas hortikultura utama di Indonesia yang produksinya sangat rentan terhadap serangan penyakit dan hama, sehingga berisiko menyebabkan kerugian panen yang signifikan dan berdampak langsung pada perekonomian petani. Proses identifikasi yang ada saat ini masih mengandalkan metode konvensional berupa pengamatan visual. Pendekatan ini memiliki kelemahan signifikan karena bersifat subjektif dan lambat, yang menjadi penghambat utama untuk penanganan dini dan menyebabkan penyebaran penyakit yang tidak terkendali. Penelitian ini bertujuan merancang dan membangun sebuah aplikasi mobile untuk deteksi penyakit daun cabai yang akurat dan mudah digunakan. Untuk mencapai hal tersebut, dilakukan sebuah studi eksperimental kuantitatif untuk menemukan arsitektur Convolutional Neural Network (CNN) paling optimal yang akan dijadikan sebagai model classifier utama aplikasi. Metode penelitian ini melibatkan studi komparasi empat arsitektur yaitu Custom CNN, AlexNet, MobileNetV2, dan ResNet-50. Seluruh model dilatih dengan dataset augmentasi yang terdiri dari 11.998 citra dan dievaluasi dengan dataset uji yang terdiri dari 1.856 citra. Hasil evaluasi dari studi komparasi menetapkan bahwa model Custom CNN merupakan arsitektur paling optimal, memberikan performa tertinggi pada data uji dengan Test Accuracy sebesar 99,42% serta nilai Precision, Recall, dan F1-Score yang konsisten sebesar 99%. Berdasarkan hasil tersebut, model Custom CNN berhasil diimplementasikan ke dalam sebuah aplikasi mobile berbasis Android bernama "Trawang Tani". Penelitian ini berhasil mengembangkan model deteksi optimal dan mewujudkannya menjadi sebuah aplikasi fungsional yang mampu menjalankan proses inferensi secara lokal di perangkat, sehingga menawarkan solusi praktis yang berpotensi besar membantu petani dalam melakukan penanganan dini untuk menjaga produktivitas panen.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | CNN, Aplikasi Mobile, Android, Deteksi Penyakit, Tanaman Cabai |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Digital Multimedia Information Technology > Undergraduate Theses |
| Depositing User: | Pustaka Teknik Komputer |
| Date Deposited: | 08 Sep 2025 08:16 |
| Last Modified: | 08 Sep 2025 08:16 |
| URI: | http://eprints.polsri.ac.id/id/eprint/19708 |
Actions (login required)
 |
View Item |
