Art Original

mplementasi Convolutional Neural Network Dengan Tensorflow Untuk Deteksi Penyakit Pada Daun Pisang

---

Deteksi penyakit pada daun pisang merupakan tantangan penting dalam bidang pertanian yang sering mengakibatkan penurunan produktivitas dan kerugian ekonomi bagi petani. Metode tradisional untuk mengidentifikasi penyakit ini umumnya memerlukan observasi langsung oleh manusia, yang seringkali memakan waktu, melelahkan, dan rentan terhadap kesalahan. Penelitian ini bertujuan mengembangkan sistem otomatis menggunakan model Convolutional Neural Network (CNN) untuk memprediksi penyakit pada daun pisang. Tiga arsitektur CNN, yaitu MobileNetV2, DenseNet121, dan NasNet Mobile, diimplementasikan menggunakan TensorFlow dalam penelitian ini. Dataset yang digunakan terdiri dari 5400 sampel, yang diperoleh dari Kaggle (BananaLSD) dan perkebunan pisang di Kabupaten Kuantan Singingi. Dataset mencakup gambar daun pisang yang terinfeksi penyakit Sigatoka dan Cordana, serta gambar daun sehat. Teknik augmentasi data diterapkan untuk meningkatkan variasi dataset. Hasil penelitian menunjukkan bahwa model DenseNet121 mencapai akurasi tertinggi sebesar 99.07%, dengan error rate 0.93%, presisi 99.08%, recall 99.08%, dan F1-score 99.08%, menjadikannya model yang paling andal dibandingkan dengan dua model lainnya. Penelitian ini memberikan kontribusi berupa pendekatan praktis untuk prediksi penyakit yang dapat diintegrasikan ke dalam aplikasi mobile, sehingga memungkinkan petani untuk mengidentifikasi penyakit daun pisang secara cepat dan akurat, serta memberikan informasi tindakan lanjutan setelah diagnosis penyakit, seperti pengobatan dan pengendalian penyakit.

---

Availability

Detail Information

Call Number

Informatika 004 Ren I

Language

Indonesia

NPM

203510427

Publisher

Teknik Informatika : Universitas Islam Riau., 2024

Keyword(s)

Convolutional Neural Network
Tensorflow

Other Information

Petugas

Fajro

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment