Implementasi Convolutional Neural Network pada Sistem Klasifikasi Penyakit Cabai Menggunakan Citra Daun

Balakeswara, I Putu Nandi (2025) Implementasi Convolutional Neural Network pada Sistem Klasifikasi Penyakit Cabai Menggunakan Citra Daun. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2115354040_full.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (Cover, Bab1, Bab5 dan Referensi) RAMA_58302_2115354040_0013048502_0808119003_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (384kB)
	Text (iThenticate) RAMA_58302_2115354040_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Tanaman cabai merupakan salah satu komoditas pertanian penting yang rentan terhadap serangan berbagai jenis penyakit daun, seperti daun menguning dan daun mengeriting. Untuk membantu proses identifikasi penyakit secara otomatis dan efisien, penelitian ini mengembangkan sebuah sistem klasifikasi berbasis web yang mampu mendeteksi jenis penyakit daun cabai menggunakan algoritma Convolutional Neural Network (CNN). Model CNN dikembangkan menggunakan TensorFlow dan dilatih dengan dataset citra daun cabai sebanyak 1.350 gambar, yang terdiri dari tiga kelas: healthy, leafcurl, dan yellowish. Dataset dibagi dengan skema 90% untuk pelatihan dan 10% untuk pengujian. Arsitektur model terdiri dari beberapa lapisan Conv2D, MaxPooling, Dropout, dan Dense, dengan fungsi aktivasi ReLU dan softmax, serta menggunakan optimizer Adam. Proses pelatihan dilakukan selama beberapa epoch dengan hasil akurasi pelatihan mencapai lebih dari 84% dan akurasi pengujian sebesar 82%. Untuk menghindari overfitting, digunakan teknik early stopping berdasarkan performa validation loss. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi web berbasis Flask, sehingga memungkinkan pengguna untuk mengunggah gambar daun cabai dan memperoleh hasil klasifikasi secara instan. Sistem ini berjalan secara lightweight dan responsif, serta telah diuji menggunakan metode black-box testing dengan hasil bahwa semua fitur utama berfungsi dengan baik. Sistem ini diharapkan dapat menjadi solusi praktis dalam mendukung petani dan penyuluh pertanian dalam mengidentifikasi penyakit daun cabai secara cepat dan akurat.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Deteksi Penyakit Daun Cabai, CNN, Flask, Machine Learning, Web Application, Klasifikasi Citra
Subjects:	Ilmu Teknik > Teknik Elektro Dan Informatika
Divisions:	Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User:	I Putu Nandi Balakeswara
Date Deposited:	29 Aug 2025 03:47
Last Modified:	29 Aug 2025 03:47
URI:	https://repository.pnb.ac.id/id/eprint/18169

Actions (login required)

View Item