Deteksi Penyakit Tanaman Cabai Menggunakan Machine Learning Dengan Integrasi Data Citra Dan Kondisi Lingkungan

Firdaus, Firma Nahwa (2026) Deteksi Penyakit Tanaman Cabai Menggunakan Machine Learning Dengan Integrasi Data Citra Dan Kondisi Lingkungan. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2213020013.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_2213020013_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2213020013_0721058902_0711018102_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (431kB)
	Text (BAB 2) RAMA_55201_2213020013_0721058902_0711018102_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (295kB) | Request a copy
	Text (BAB 3) RAMA_55201_2213020013_0721058902_0711018102_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (357kB) | Request a copy
	Text (BAB 4) RAMA_55201_2213020013_0721058902_0711018102_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (375kB) | Request a copy
	Text (BAB 5) RAMA_55201_2213020013_0721058902_0711018102_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (108kB) | Request a copy
	Text (References) RAMA_55201_2213020013_0721058902_0711018102_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (96kB)
	Text (Lampiran) RAMA_55201_2213020013_0721058902_0711018102_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk merancang sistem deteksi penyakit pada tanaman cabai dengan mengombinasikan pendekatan Deep Learning dan Sistem Pakarberbasis aturan (Rule-Based system). Proses identifikasi penyakit dilakukan menggunakan model Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang mampu mengklasifikasikan citra daun ke dalam empat kategori, yaitu Bacterial Spot, Cercospora, Curl Virus,dan Sehat. Hasil penelitian menunjukkan bahwa model CNN MobileNetV2 yang dibangun berhasil mencapai tingkat akurasi sebesar 90% dalam mengklasifikasikan citra penyakit daun cabai. Untuk menghasilkan informasi yang lebih komprehensif, hasil klasifikasi tersebut dikombinasikan dengan data kondisi lingkungan berupa suhu, kelembaban, dancurah hujan melalui mekanisme inferensi berbasis aturan. Sistem yang dikembangkan tidak hanya menampilkan hasil identifikasi penyakit, tetapi juga melakukan penilaian tingkat risiko perkembangan penyakit berdasarkan kondisi lingkungan serta memberikan rekomendasi penanganan yang sesuai. Implementasi sistem dilakukan dalam bentuk aplikasi web menggunakan framework Flask dengan dukungan basis data MySQL. Berdasarkan hasil pengujian, sistem yang diusulkan mampu mengintegrasikan informasi visual dari citra daun dan data lingkungan secara efektif sehingga dapat menghasilkan tingkat risiko penyakit, yaitu rendah, sedang, atau tinggi beserta rekomendasi pengendalian yang relevan.

Actions (login required)

View Item