DETEKSI PENYAKIT PADA BUAH ALPUKAT MENGGUNAKAN ARSITEKTUR MOBILENET V2

Mahardhika, Bima (2025) DETEKSI PENYAKIT PADA BUAH ALPUKAT MENGGUNAKAN ARSITEKTUR MOBILENET V2. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2113020136.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Similarity) RAMA_55201_2113020136_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020136_0729098903_0719068702_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (744kB)
	Text (BAB 2) RAMA_55201_2113020136_0729098903_0719068702_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (635kB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020136_0729098903_0719068702_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (780kB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020136_0729098903_0719068702_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (616kB) | Request a copy
	Text (BAB 5) RAMA_55201_2113020136_0729098903_0719068702_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (222kB) | Request a copy
	Text (References) RAMA_55201_2113020136_0729098903_0719068702_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (343kB)
	Text (Lampiran) RAMA_55201_2113020136_0729098903_0719068702_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Buah alpukat merupakan salah satu komoditas pertanian yang digemari karena kandungan gizinya yang tinggi. Namun, serangan penyakit seperti busuk buah, lalat buah, dan cabuk menjadi tantangan serius bagi para petani, khususnya di Desa Rejomulyo, Kecamatan Kras. Penelitian ini bertujuan untuk membangun sistem deteksi otomatis penyakit pada buah alpukat menggunakan arsitektur MobileNet V2 yang ringan dan efisien untuk diterapkan pada perangkat seluler. Model dikembangkan menggunakan metode Convolutional Neural Network (CNN) dengan dataset citra alpukat yang dikumpulkan langsung dari kebun setempat. Data yang digunakan terdiri dari empat kelas, yaitu busuk, lalat buah, cabuk, dan sehat, dengan total 800 gambar yang telah melalui proses augmentasi dan normalisasi. Hasil pelatihan model menunjukkan bahwa sistem mampu mendeteksi penyakit dengan akurasi mencapai 98% pada pengujian dengan 100 epoch, dan performa terbaik ditunjukkan oleh kelas cabuk dan sehat dengan nilai precision, recall, dan F1-score mencapai 1.00. Aplikasi ini dikembangkan dalam bentuk mobile berbasis Android dengan bahasa Kotlin dan terintegrasi dengan model yang telah dilatih menggunakan TensorFlow. Dengan adanya sistem ini, diharapkan dapat membantu petani dalam mendeteksi penyakit alpukat secara cepat dan akurat, sehingga dapat mengurangi kerugian dan meningkatkan produktivitas hasil panen.

Actions (login required)

View Item