AR, Dini Septiyani (2025) STUDI PREDIKTIF PERTUMBUHAN TANAMAN MELON PADA SISTEM VERTIKAL FARMING DENGAN ALGORITMA DEEP LEARNING. Diploma thesis, Politeknik Negeri Sriwijaya.
|
Text (Cover)
1 Halaman Depan.pdf - Published Version Download (628kB) | Preview |
|
|
Text (Abstrak)
Abstrak.pdf - Published Version Download (77kB) | Preview |
|
![[img]](http://eprints.polsri.ac.id/style/images/fileicons/text.png) |
Text (Bab I)
BAB 1.pdf - Published Version Restricted to Repository staff only Download (95kB) | Request a copy |
|
|
Text (Bab II)
BAB 2.pdf - Published Version Restricted to Repository staff only Download (523kB) | Request a copy |
|
|
Text (Bab III)
BAB 3.pdf - Published Version Restricted to Repository staff only Download (565kB) | Request a copy |
|
|
Text (Bab IV)
BAB 4.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
|
|
Text (Bab V)
BAB 5.pdf - Published Version Restricted to Repository staff only Download (11kB) | Request a copy |
|
|
Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version Restricted to Repository staff only Download (158kB) | Request a copy |
|
|
Text (Lampiran)
Lampiran.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy |
Abstract
Pertanian modern menuntut efisiensi tinggi dalam lahan dan pemantauan pertumbuhan tanaman secara akurat. Penelitian ini bertujuan untuk mengembangkan sistem prediksi pertumbuhan tanaman melon berbasis citra visual pada sistem vertical farming aquaponik menggunakan algoritma deep learning, khususnya Convolutional Neural Network (CNN) dan transfer learning dengan arsitektur MobileNetV2. Data dikumpulkan selama 14 minggu melalui kamera CCTV V380 yang merekam pertumbuhan tanaman melon dari fase awal hingga berbuah. Proses preprocessing meliputi resize, augmentasi, dan normalisasi gambar sebelum digunakan dalam pelatihan model. Model dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN dan MobileNetV2 mampu mengklasifikasikan tahap pertumbuhan tanaman melon secara akurat serta grafik training dan validation loss yang stabil. Penelitian ini membuktikan bahwa integrasi sistem pertanian vertikal dengan teknologi deep learning mampu mendukung pertanian presisi, efisien, dan berkelanjutan. Kata Kunci: Vertical Farming, Tanaman Melon, Deep Learning, CNN, MobileNetV2, Prediksi Pertumbuhan, Transfer Learning, Aquaponik
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Vertical Farming, Tanaman Melon, Deep Learning, CNN, MobileNetV2, Prediksi Pertumbuhan, Transfer Learning, Aquaponik |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Electronic Engineering > Undergraduate Theses |
| Depositing User: | Pustaka Teknik Elektro |
| Date Deposited: | 12 Aug 2025 08:06 |
| Last Modified: | 12 Aug 2025 08:06 |
| URI: | http://eprints.polsri.ac.id/id/eprint/18094 |
Actions (login required)
 |
View Item |
