FAKHRI ABDILLAH (2024) IMPLEMENTASI APLIKASI MOBILE UNTUK DETEKSI DAN KLASIFIKASI PENYAKIT PADA TANAMAN PADI DENGAN KOMPARASI BERBAGAI MODEL. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (609kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (563kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (13kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (30kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (166kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (301kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (12kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (77kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (65kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (742kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (3MB)

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi deteksi penyakit pada tanaman padi menggunakan metode komparasi dari berbagai model. Deteksi penyakit pada tanaman padi sangat penting karena penyakit dapat menyebabkan penurunan kualitas dan kuantitas hasil panen. Untuk mengatasi masalah ini, digunakan teknologi pengolahan citra digital dengan metode deep learning yang diimplementasikan dalam model Convolutional Neural Network (CNN). Model yang digunakan dalam penelitian ini meliputi MobileNetV2, ResNetV2, InceptionV3, dan DenseNet201. Penelitian dilakukan dengan mengumpulkan data citra penyakit padi yang terdiri dari empat kelas: bercak coklat, sehat, hispa, dan blas. Data ini kemudian diproses dan dilatih menggunakan metode transfer learning untuk menghasilkan model yang dapat dijalankan pada perangkat mobile dengan TensorFlow Lite. Hasil dari penelitian menunjukkan bahwa model DenseNet201 memberikan kinerja terbaik dalam hal akurasi dan efisiensi untuk deteksi penyakit pada tanaman padi. Aplikasi yang dikembangkan diharapkan dapat membantu petani dalam mendeteksi penyakit padi secara cepat dan akurat menggunakan smartphone. Selain itu, penelitian ini juga memberikan kontribusi dalam bidang teknologi pertanian dengan memperkenalkan penggunaan deep learning dan TensorFlow Lite untuk aplikasi praktis di lapangan

Dosen Pembimbing: Cahya Damarjati, S.T., M.Eng., Ph.D. and Asroni, S.T., M.Eng. | NIDN0515038702, NIDN0526047401
Item Type: Thesis (S1)
Uncontrolled Keywords: Disease Detection, Rice Plants, TensorFlow Lite, Deep Learning, Convolutional Neural Network
Divisions: Fakultas Teknik > S1 Teknologi Informasi
Depositing User: Aidilla Qurotianti
Date Deposited: 16 Aug 2024 08:15
Last Modified: 16 Aug 2024 08:15
URI: https://etd.umy.ac.id/id/eprint/47509

Actions (login required)

View Item View Item