ETD - UIR

Electronic Thesis and Dissertation

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
    Member Login Online Registration
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject NPM Advanced Search

Last search:

{{tmpObj[k].text}}
Image of Klasifikasi Jenis Penyakit Pada Daun Mangga Menggunakan Metode Convolutional Neural Network
Bookmark Share

Art Original

Klasifikasi Jenis Penyakit Pada Daun Mangga Menggunakan Metode Convolutional Neural Network

Muhammad Taufik Hidayah - Personal Name; Mutia Fadhilla - Personal Name;

Tanaman mangga (Mangifera indica) merupakan salah satu komoditas hortikultura penting di Indonesia yang memiliki nilai ekonomi tinggi. Selain sebagai sumber pendapatan bagi petani, buah mangga juga banyak dikonsumsi oleh masyarakat baik dalam bentuk segar maupun olahan. Namun, produktivitas tanaman mangga sering kali menurun akibat serangan berbagai jenis penyakit pada daunnya, yang dapat menghambat proses fotosintesis dan pertumbuhan tanaman. Oleh karena itu, identifikasi dini terhadap penyakit daun mangga menjadi sangat penting untuk meningkatkan kualitas dan kuantitas hasil panen. Pada penelitian ini, digunakan metode convolutional neural network (CNN) untuk mengklasifikasi penyakit tanaman mangga melalui citra gambar daun dengan menggunakan arsitektur CNN yaitu MobileNetV2, Vgg16, dan Xception. Dataset yang digunakan diperoleh dari website Kaggle serta dikombinasikan dengan data real di lapangan, dengan jumlah total 2825 citra yang terdiri atas 5 kelas penyakit yaitu Anthracnose, Bacterial Canker, Die Back, Gall Midge, dan daun sehat (healthy). Dataset dilatih dengan augmentasi untuk menambah variasi data, kemudian masing-masing arsitektur diuji dengan 8 skenario pemilihan parameter, meliputi batch size, epoch, dan learning rate. Hasil pengujian menunjukkan bahwa model dengan akurasi terbaik pada arsitektur MobileNetV2 ditemukan pada skenario ke-7 dengan akurasi 97,87%. Arsitektur VGG16 menghasilkan model terbaik pada skenario ke-3 dengan akurasi 96,10%, sedangkan arsitektur Xception menghasilkan model terbaik pada skenario ke-1 dengan akurasi 97,16%. Implementasi penelitian ini dilakukan berbasis website menggunakan framework Flask, di mana prediksi dari masingmasing arsitektur dengan model terbaik diintegrasikan, dan prediksi akhir penyakit diambil berdasarkan akurasi tertinggi.


Availability
#
Teknik Informatika (Fakultas Teknik) Informatika 634.4 Muh k
246131
Available but not for loan - ETD
Detail Information
Call Number
Informatika 634.4 Muh k
Language
Indonesia
NPM
203510507
Publisher
Teknik Informatika : Universitas Islam Riau., 2024
Keyword(s)
Klasifikasi penyakit
Tanaman mangga
Other Information
Petugas
Ayu Agustina
Other version/related

No other version available

File Attachment
  • Please login to see this attachment
Comments

You must be logged in to post a comment

ETD - UIR
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?