SISTEM PENDETEKSI PENYAKIT PADA DAUN TANAMAN KENTANG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS ANDROID

Massardi, Alya (2026) SISTEM PENDETEKSI PENYAKIT PADA DAUN TANAMAN KENTANG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS ANDROID. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (711kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (149kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (169kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (908kB) | Request a copy
	Text (BAB III RANCANG BANGUN) BAB III.pdf - Published Version Restricted to Repository staff only Download (498kB) | Request a copy
	Text (BAB IV PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (144kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (160kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Serangan penyakit daun menjadi salah satu penyebab penurunan produktivitas tanaman kentang di Indonesia, sementara proses identifikasi di lapangan masih dilakukan secara manual sehingga berpotensi menghasilkan diagnosis yang kurang akurat (Kementerian Pertanian, 2024; Putra et al., 2025). Tujuan penelitian ini adalah mengembangkan sistem pendeteksi penyakit pada daun tanaman kentang berbasis Android menggunakan metode Convolutional Neural Network (CNN). Pendekatan kuantitatif dengan metode eksperimen diterapkan melalui perbandingan tiga arsitektur CNN, yaitu ResNet50, MobileNetV2, dan AlexNet, untuk menentukan model yang paling optimal. Dataset yang digunakan merupakan data sekunder dari Mendeley Data yang terdiri atas tujuh kelas penyakit daun kentang dan diproses melalui tahapan data cleaning, data augmentation, pembagian dataset, pelatihan model, serta evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa ResNet50 dipilih sebagai model yang paling optimal untuk diimplementasikan pada aplikasi setelah menghasilkan kemampuan klasifikasi yang lebih baik dibandingkan MobileNetV2 dan AlexNet. Model ResNet50 memperoleh validation accuracy sebesar 92,76% dan test accuracy sebesar 92,00%, dengan nilai precision, recall, dan F1-score masing-masing sebesar 92,3%, 92,0%, dan 91,9%. Penerapan data cleaning juga terbukti meningkatkan kemampuan klasifikasi seluruh model sehingga mendukung peningkatan hasil evaluasi yang diperoleh. Model ResNet50 kemudian berhasil diimplementasikan ke dalam aplikasi Android PotaLeaf yang mampu mendeteksi penyakit daun kentang secara otomatis sebagai alat bantu identifikasi penyakit.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Convolutional Neural Network, deteksi penyakit daun kentang, ResNet50, Android, deep learning
Subjects:	T Technology > T Technology (General)
Divisions:	Digital Multimedia Information Technology > Undergraduate Theses
Depositing User:	Pustaka Teknik Komputer
Date Deposited:	07 Sep 2026 14:34
Last Modified:	10 Sep 2026 04:45
URI:	http://eprints.polsri.ac.id/id/eprint/26439

Actions (login required)

View Item