• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu
Penanda Bagikan

SKRIPSI DIGITAL

Pembuatan Aplikasi Android Untuk Mendeteksi Penyakit Tanaman Kentang Menggunakan Algoritma Convolutional Neural Network (CNN) = Making an Android Application to Detect Potato Plant Diseases Using the Convolutional Neural Network (CNN) Algorithm

- - Nama Orang; RIFQI HIDAYAT - Nama Orang; MARDIYONO - Nama Orang; Afandi Nur Aziz Thohari - Nama Orang;

ABSTRAK

Rifqi Hidayat. “Pembuatan Aplikasi Android Untuk Mendeteksi Penyakit Tanaman
Kentang Menggunakan Algoritma Convolutional Neural Network (CNN)”, Skripsi
Sarjana Terapan Teknologi Rekayasa Komputer, Jurusan Teknik Elektro,
Politeknik Negeri Semarang, dibawah bimbingan Mardiyono, S.Kom, M.Sc., dan
Afandi Nur Aziz Thohari, S.T., MCs. Juli 2024.

Tanaman kentang merupakan salah satu komoditas penting dalam pangan karena
kandungan karbohidratnya yang tinggi. Namun tanaman ini rentan
terhadap berbagai penyakit seperti busuk daun dan bercak kering daun. Hal ini
tentunya yang dapat mengakibatkan penurunan produksi bahkan gagal panen. Oleh
karena itu, diperlukan solusi untuk dapat mendeteksi penyakit kentang secara cepat
dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi
penyakit pada daun kentang menggunakan teknologi pengolahan citra digital dan
algoritma Convolutional Neural Network (CNN). Terdapat dua proses dalam
pembuatan aplikasi deteksi penyakit kentang ini. Pertama proses pembuatan model
kecerdasan buatan untuk deteksi penyakit kentang. Kedua proses deployment ke
aplikasi mobile dengan metodologi Waterfall. Proses pembuatan model kecerdasan
buatan menggunakan pre-trained mobile convolutional neural network yaitu
MobileNetV2, ResNet50, DenseNet121, dan EfficientNet-B0. Berdasarkan hasil
pengujian menunjukan bahwa DenseNet121 memiliki akurasi cukup baik yaitu
99%. Pengujian fungsional aplikasi menggunakan black box menunjukan bahwa
aplikasi dapat berjalan dengan lancar dan tidak terdapat error. Sedangkan pada
pengujian kepuasan pengguna aplikasi, diperoleh nilai hasil kuesioner sebesar 92%
yang menunjukan bahwa pengguna sangat puas dengan aplikasi deteksi penyakit
kentang yang dibangun.

Kata Kunci : Tanaman kentang, Penyakit tanaman, Deteksi penyakit, Citra digital
Convolutional Neural Network (CNN), Produktivitas pertanian, Deep Learning.


Fulltext
  • Harap masuk untuk melihat lampiran
Informasi Detail
Judul Seri
-
No. Panggil
RK 0019 2024
Penerbit
Semarang : Politeknik Negeri Semarang., 2024
Deskripsi Fisik
xviii, 134 hal: ilus; 30 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
REKAYASA KOMPUTER
Info Detail Spesifik
-
Pernyataan Tanggungjawab
RIFQI HIDAYAT
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Pengunjung Web

Hari ini : Minggu ini : Bulan ini : Total :

© 2025 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?