KLASIFIKASI PENYAKIT DAUN JERUK SIAM MADU MENGGUNAKAN METODE CNN BERBASIS CITRA DIGITAL

Wahyudi, Jesika Zandra Prastika (2013) KLASIFIKASI PENYAKIT DAUN JERUK SIAM MADU MENGGUNAKAN METODE CNN BERBASIS CITRA DIGITAL. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_2213020090.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text (COVER sd BAB 1 + References) RAMA_55201_2213020090_0720117501_0701107802_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (688kB)
	Text (BAB 2) RAMA_55201_2213020090_0720117501_0701107802_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (468kB) | Request a copy
	Text (BAB 3) RAMA_55201_2213020090_0720117501_0701107802_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (717kB) | Request a copy
	Text (BAB 4) RAMA_55201_2213020090_0720117501_0701107802_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 5) RAMA_55201_2213020090_0720117501_0701107802_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (138kB) | Request a copy
	Text (References) RAMA_55201_2213020090_0720117501_0701107802_06_Ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (142kB)
	Text (Lampiran) RAMA_55201_2213020090_0720117501_0701107802_07_Lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_55201_2213020090_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (276kB)

Abstract

Jeruk siam madu (Citrus nobilis var. macrocarpa) merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi di Indonesia. Produktivitas tanaman jeruk siam madu sering mengalami penurunan akibat serangan berbagai penyakit daun, sedangkan proses identifikasi penyakit masih dilakukan secara manual melalui pengamatan visual sehingga membutuhkan keahlian khusus, memerlukan waktu yang relatif lama, dan berpotensi menimbulkan kesalahan akibat subjektivitas pengamat. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit daun jeruk siam madu berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16 Transfer Learning. Dataset penelitian diperoleh dari Mendeley Data dan Kaggle yang terdiri atas tujuh kelas, yaitu Blackspot, Canker, Greening, Melanose, Healthy, Citrus Nutrient Deficiency Yellow Leaf Orange, dan Multiple Diseases Leaf Orange. Tahapan penelitian meliputi pengumpulan dataset, preprocessing citra berupa resize, normalisasi, dan augmentasi data, pembangunan model CNN menggunakan VGG16 Transfer Learning, pelatihan model, evaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix, serta implementasi model ke dalam aplikasi berbasis web menggunakan Python dan Streamlit. Hasil penelitian menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik berdasarkan pengujian black box testing. Model CNN VGG16 Transfer Learning memperoleh validation accuracy sebesar 94,07% dan test accuracy sebesar 92,02%. Hasil classification report dan confusion matrix menunjukkan bahwa sebagian besar citra daun berhasil diklasifikasikan dengan benar, meskipun masih terdapat beberapa kesalahan pada kelas yang memiliki karakteristik visual yang serupa. Penelitian ini menunjukkan bahwa metode Convolutional Neural Network (CNN) dengan arsitektur VGG16 Transfer Learning efektif digunakan untuk mengklasifikasikan penyakit daun jeruk siam madu berdasarkan citra digital serta dapat diimplementasikan sebagai sistem pendukung identifikasi penyakit secara otomatis.

Actions (login required)

View Item