DETEKSI PENYAKIT PADA DAUN SINGKONG DENGAN PENGOLAHAN CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

• DESVITA FITRI AMALIA
• 2024

---

ABSTRAK

 

Desvita Fitri Amalia(19236060), Deteksi Penyakit Pada Daun Singkong Dengan Pengolahan Citra Menggunakan Metode Convolutional Neural Network (CNN)

Penelitian ini mengembangkan dan mengimplementasikan model Convolutional Neural Network (CNN) dengan arsitektur AlexNet untuk mendeteksi penyakit pada daun singkong dan mengolahnya sebagai pakan ternak. Dataset berjumlah 1080 gambar daun singkong dengan lima kelas penyakit: blight, brown, green, healthy, dan mosaic. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Hasil penelitian menunjukkan peningkatan akurasi deteksi penyakit daun singkong secara signifikan. Pada epoch pertama, akurasi sebesar 21,18% dengan nilai loss 0,24098, sedangkan akurasi validasi sebesar 19,33% dengan nilai loss validasi 1,6592. Pada epoch ke-50, model mencapai akurasi 81% dengan nilai loss yang rendah, menunjukkan efektivitas AlexNet dalam mendeteksi penyakit daun singkong. Implementasi model ini membantu dalam deteksi penyakit tanaman dan pemanfaatan daun singkong sebagai pakan ternak dengan baik. Peningkatan akurasi ini menunjukkan bahwa model CNN AlexNet yang dikembangkan mampu mendeteksi penyakit pada daun singkong dengan efektif. Selain itu, deteksi penyakit yang lebih akurat dapat meningkatkan produksi dan kualitas tanaman singkong, sehingga mendukung keberlanjutan pertanian dan ekonomi petani. Dengan demikian, penelitian ini tidak hanya berkontribusi pada ilmu pengetahuan di bidang pertanian dan teknologi, tetapi juga memberikan manfaat praktis bagi para petani dan industri pakan ternak.

 

• Daun singkong
• Convolutional Neural Network
• Deteksi penyakit tanaman
• AlexNet
• Pengolahan citra

https://repository.bsi.ac.id/repo/56645/DETEKSI-PENYAKIT-PADA-DAUN-SINGKONG-DENGAN-PENGOLAHAN-CITRA-MENGGUNAKAN-METODE-CONVOLUTIONAL-NEURAL-NETWORK-(CNN)
Anda dapat membaca file tugas akhir ini di repository.