KLASIFIKASI PENYAKIT DAUN TEMBAKAU MENGGUNAKAN MODEL CONVOLUTIONAL NEURAL NETWORK (CNN) MOBILENETV2 PADA PLATFORM ANDROID

Arafat, Filach Akbar (2025) KLASIFIKASI PENYAKIT DAUN TEMBAKAU MENGGUNAKAN MODEL CONVOLUTIONAL NEURAL NETWORK (CNN) MOBILENETV2 PADA PLATFORM ANDROID. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

[img] Text (Full text)
RAMA_55201_2113020069.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (4MB) | Request a copy
[img] Text (Similarity)
RAMA_55201_2113020069_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (2MB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_2113020069_0708028704_0701107802_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (825kB)
[img] Text (BAB 2)
RAMA_55201_2113020069_0708028704_0701107802_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (541kB) | Request a copy
[img] Text (BAB 3)
RAMA_55201_2113020069_0708028704_0701107802_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (585kB) | Request a copy
[img] Text (BAB 4)
RAMA_55201_2113020069_0708028704_0701107802_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (571kB) | Request a copy
[img] Text (BAB 5)
RAMA_55201_2113020069_0708028704_0701107802_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (139kB) | Request a copy
[img] Text (References)
RAMA_55201_2113020069_0708028704_0701107802_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (163kB)
[img] Text (Lampiran)
RAMA_55201_2113020069_0708028704_0701107802_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (2MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi Android yang dapat mendeteksi penyakit pada daun tembakau secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Penelitian ini dilakukan di Desa Balongasem, Kecamatan Lengkong, Kabupaten Nganjuk, yang merupakan wilayah dengan tingkat serangan penyakit tanaman tembakau yang tinggi, seperti keriting, layu, lanas, dan patik daun. Dataset sebanyak 720 gambar dikumpulkan langsung dari lapangan dan diklasifikasikan ke dalam lima kategori: Sehat, Keriting, Layu, Lanas, dan Patik Daun. Aplikasi dikembangkan menggunakan bahasa pemrograman Python dan Kotlin, serta menerapkan pendekatan waterfall dalam proses pengembangan. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi klasifikasi hingga 94% pada data uji. Pengujian aplikasi menggunakan metode Blackbox dan pengujian langsung terhadap 10 gambar per kelas membuktikan bahwa sistem berfungsi dengan baik dalam mengklasifikasikan penyakit. Aplikasi ini diharapkan dapat membantu petani dalam mengidentifikasi penyakit daun tembakau secara cepat dan akurat, sehingga mendukung peningkatan hasil panen dan efisiensi budidaya

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Convolutional Neural Network, MobileNetV2, Deteksi Penyakit Tembakau, Android, Klasifikasi Citra
Subjects: 140 Plant science > 153 Plant pests and diseases
140 Plant science > 161 Agricultural industrial technology (and agrotechnology)
410 Engineering science > 459 Computer science
410 Engineering science > 462 Information technology
410 Engineering science > 463 Software engineering
710 Education science > 786 Informatics engineering
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Filach Akbar Arafat
Last Modified: 06 Aug 2025 16:44
URI: http://repository.unpkediri.ac.id/id/eprint/19857

Actions (login required)

View Item View Item