KLASIFIKASI CITRA JENIS PENYAKIT PADA DAUN TANAMAN CAISIM DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

SYAFDARINI, FEBBY NADIA and Affandi S, Riki Ruli and Rusjdi, Darma (2021) KLASIFIKASI CITRA JENIS PENYAKIT PADA DAUN TANAMAN CAISIM DENGAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, ITPLN.

[thumbnail of 201731125_Febby Nadia Syafdarini_Revisi_Skrip_febby nadia syafdari.pdf] Text
201731125_Febby Nadia Syafdarini_Revisi_Skrip_febby nadia syafdari.pdf
Restricted to Registered users only

Download (3MB)

Abstract

Sawi Caisim atau sawi hijau manis (brassica juneca L) adalah salah satu komoditas sayuran daun yang banyak digemari di berbagai kalangan masyarakat. Dari data susenas badan pusat statistik, konsumsi masyarakat terhadap sawi caisim meningkat pada tahun 2019 sebanyak 1.3557kg dan pada tahun 2020 sebanyak 1.4079kg. Oleh karena itu setiap tahunnya dari tingkat kebutuhan yang tinggi maka produksi juga harus kian meningkat. Dari banyaknya jumlah produksi sawi yang di hasilkan berasal dari pertanian kecil dan pertanian berskala besar di indonesia. Dalam budidaya tanaman sawi, salah satu kendala yang menjadi penghambat produksi baik dari segi kualitas maupun kuantitas adalah adanya serangan organisme pengganggu tanaman. Ulat daun (diamondback moth), Plutella xylostella (Lepidoptera : Plutellidae) ialah hama yang sangat merusak daun tanaman famili Brassicacaea, khususnya sawi sawian dan kubis dan mempengaruhi tingkat produksi dan kualitas sawi caisim menjadi menurun. Salah satu pemanfaatan pemrosesan citra digital dalam menyelesaikan masalah pada penelitian ini adalah untuk mengklasifikasi dan identifikasi penyakit pada daun tanaman sawi caisim metode yng di gunakan pada penelitian ini adalah Convolutional Neural Network (CNN), metode ini dipilih karena merupakan metode deeplearning yang paling baik dalam memproses data citra. Pada penelitian ini hasil akurasi mencapai 99.44 % .

Caisim mustard or sweet green mustard (brassica juneca L) is one of the leaf vegetable commodities that is very popular in various circles of society. From the Central Statistics Agency's Susenas data, public consumption of Caisim mustard will increase in 2019 by 1.3557kg and in 2020 by 1.4079kg. Therefore, every year from a high level of demand, production must also increase. The large amount of mustard production that is produced comes from small farms and large-scale agriculture in Indonesia. In the cultivation of mustard plants, one of the obstacles that hinder production both in terms of quality and quantity is the attack of plant-disturbing organisms. The leaf caterpillar (diamondback moth), Plutella xylostella (Lepidoptera: Plutellidae) is a pest that is very damaging to the leaves of the Brassicaceae family, especially mustard greens and cabbage, and affects the production level and quality of caisim mustard greens. One of the uses of digital image processing in solving problems in this study is to classify and identify diseases on the leaves of the mustard caisim plant. The method used in this study is the Convolutional Neural Network (CNN), this method was chosen because it is the best deep learning method in processing image data. In this study, the accuracy reached 99.44%.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Sawi Caisim, Convolutional Neural Network (CNN), Deep Learning, Klasifikasi, Hama, Pertanian. Caisim Mustard, Convolutional Neural Network (CNN), Deep Learning, Classification, Pests, Agriculture.
Subjects: Skripsi
Bidang Keilmuan > Teknik Informatika
Divisions: Fakultas Telematika Energi > S1 Teknik Informatika
Depositing User: Nurul Hidayati
Date Deposited: 06 Oct 2025 02:46
Last Modified: 06 Oct 2025 02:46
URI: https://repository.itpln.ac.id/id/eprint/1775

Actions (login required)

View Item
View Item