SKRIPSI DIGITAL
Klasifikasi Penyakit pada Daun Melon Menggunakan Algoritma Lightweight CNN Berbasis Android = Classification of Melon Leaf Diseases Using an Android-Based Lightweight CNN Algorithm
Melon merupakan komoditas hortikultura unggulan Indonesia, namun produktivitasnya menurun 9,6% pada 2024-2025 akibat serangan penyakit daun yang tidak terdiagnosis secara cepat. Diagnosis penyakit masih mengandalkan pengamatan visual manual yang subjektif dan kurang efisien. Meskipun deep learning telah berkembang untuk deteksi penyakit tanaman, penerapannya secara on-device pada perangkat mobile masih terbatas, khususnya dalam konteks greenhouse Indonesia. Penelitian terdahulu cenderung berfokus pada akurasi tanpa mempertimbangkan efisiensi komputasi dan kepraktisan penerapan pada perangkat dengan sumber daya terbatas. Oleh karena itu, penelitian ini membandingkan lima arsitektur CNN, yaitu Deep CNN Custom, MobileNetV2, EfficientNetV2 S, ResNet50, dan VGG16, untuk menemukan model dengan keseimbangan optimal antara akurasi dan efisiensi pada aplikasi Android yang berjalan secara offline. Menggunakan dataset citra daun melon dari tiga greenhouse dengan tiga kelas penyakit, strategi augmentasi data dan fine tuning diterapkan, model divalidasi dengan 5-Fold Cross Validation, kemudian dioptimasi ke format TensorFlow Lite untuk inferensi secara on-device. Hasil penelitian menunjukkan MobileNetV2 sebagai model paling efektif dengan akurasi 91,80%. Kontribusi utama penelitian ini adalah membuktikan bahwa inferensi deep learning secara on-device dapat mempercepat diagnosis penyakit dengan trade-off minimal antara akurasi dan efisiensi, mengatasi keterbatasan infrastruktur di area rural, serta menyediakan solusi terjangkau bagi petani melalui smartphone.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah