DETEKSI PENYAKIT DAUN SINGKONG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2 BERBASIS CITRA DIGITA

Ramadhan, Alfan Taufiqi (2026) DETEKSI PENYAKIT DAUN SINGKONG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2 BERBASIS CITRA DIGITA. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2113020111.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text (Similarity) RAMA_55201_2113020111_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020111_0711018102_0729098903_01_front_ref.PDF - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (4MB)
	Text (BAB 2) RAMA_55201_2113020111_0711018102_0729098903_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020111_0711018102_0729098903_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020111_0711018102_0729098903_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_2113020111_0711018102_0729098903_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (References) RAMA_55201_2113020111_0711018102_0729098903_06_ref.PDF - Bibliography Available under License Creative Commons Public Domain Dedication. Download (4MB)
	Text (Lampiran) RAMA_55201_2113020111_0711018102_0729098903_07_lamp.PDF - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy

Abstract

RINGKASAN Alfan Taufiqi Ramadhan Deteksi Penyakit Daun Singkong Menggunakan Convolutional Neural Network Dengan Arsitektur Mobilenetv2 Berbasis Citra Digital, Skripsi, Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Nusantara PGRI Kediri, 2026. Kata Kunci : Convolutional Neural Network, MobileNetV2, Penyakit Daun Singkong, Website, Klasifikasi Citra. Penelitian ini bertujuan untuk mengembangkan sistem berbasis website yang dapat mendeteksi penyakit pada daun singkong secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Penelitian ini dilakukan di Dusun Kedung Boto, Desa Ngepung, Kecamatan Patianrowo, Kabupaten Nganjuk, sebagai upaya membantu petani dalam mengidentifikasi penyakit daun singkong secara lebih cepat dan akurat. Dataset yang digunakan berjumlah 5.000 citra daun singkong yang terdiri dari lima kategori, yaitu Sehat, Mosaik, Layu Bakterial, Bercak Hijau, dan Gumpal Coklat. Proses pengembangan sistem meliputi tahap pengumpulan data, preprocessing, pelatihan model, evaluasi, dan implementasi menggunakan bahasa pemrograman Python dengan framework TensorFlow dan Keras. Data dibagi menjadi 70% data pelatihan, 15% data validasi, dan 15% data pengujian. Hasil pengujian menunjukkan bahwa model memperoleh akurasi keseluruhan sebesar 73,05%, dengan performa terbaik pada kategori Mosaik yang memiliki nilai recall sebesar 86% dan f1-score sebesar 88%. Selain itu, pengujian menggunakan citra daun singkong menunjukkan bahwa sistem mampu melakukan klasifikasi penyakit secara otomatis melalui antarmuka website yang telah dikembangkan. Hasil penelitian ini menunjukkan bahwa model MobileNetV2 dapat diterapkan sebagai sistem pendukung identifikasi penyakit daun singkong berbasis citra digital dan berpotensi membantu penerapan teknologi pertanian cerdas dalam mendukung produktivitas pertanian.

Actions (login required)

View Item