Sistem Pendeteksi Hama Blas Pada Daun Padi Menggunakan Computer Vision

Alana, Divi Adiffia Freza (2022) Sistem Pendeteksi Hama Blas Pada Daun Padi Menggunakan Computer Vision. Other thesis, Universitas Komputer Indonesia.

Preview	Text 1.UNIKOM_DIVI ADIFFIA FREZA ALANA_COVER.pdf - Published Version Download (208kB) | Preview
Preview	Text 19.UNIKOM_DIVI ADIFFIA FREZA ALANA_LEMBAR PENGESAHAN.pdf - Published Version Download (100kB) | Preview
Preview	Text 17.UNIKOM_DIVI ADIFFIA FREZA ALANA_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (90kB) | Preview
Preview	Text 20.UNIKOM_DIVI ADIFFIA FREZA ALANA_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (107kB) | Preview
Preview	Text 4.UNIKOM_DIVI ADIFFIA FREZA ALANA_KATA PENGANTAR.pdf - Published Version Download (294kB) | Preview
Preview	Text 5.UNIKOM_DIVI ADIFFIA FREZA ALANA_DAFTAR ISI.pdf - Published Version Download (192kB) | Preview
Preview	Text 11.UNIKOM_DIVI ADIFFIA FREZA ALANA_BAB 1.pdf - Published Version Download (362kB) | Preview
Preview	Text 12.UNIKOM_DIVI ADIFFIA FREZA ALANA_BAB 2.pdf - Published Version Download (1MB) | Preview
	Text 13.UNIKOM_DIVI ADIFFIA FREZA ALANA_BAB 3.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text 14.UNIKOM_DIVI ADIFFIA FREZA ALANA_BAB 4.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy
Preview	Text 15.UNIKOM_DIVI ADIFFIA FREZA ALANA_BAB 5.pdf - Published Version Download (193kB) | Preview
Preview	Text 18.UNIKOM_DIVI ADIFFIA FREZA ALANA_LEMBAR KONTAK PENULIS _ KONTRIBUTOR.pdf - Published Version Download (5kB) | Preview

Abstract

Perkembangan computer vision di era industri 4.0 seharusnya dapat membantu berbagai bidang, salah satunya adalah pertanian. Permasalahanya adalah petani kesulitan dalam mendeteksi hama blas karena kemiripan terhadap hama tungro dan hawar daun. Tujuan dari penelitian ini adalah untuk membangun sistem pendeteksi hama blas pada daun padi menggunakan computer vision yang memungkinkan pengguna dapat melakukan pendeteksian hama dengan menggunakan model yang disematkan pada Smartphone. Pengembangan aplikasi menggunakan metode prototype yang didalamnya terdapat analisis dan perancangan sistem. Aplikasi mengimplementasi algoritma CNN (convolutional neural network) dengan arsitektur mobilenet v1. Model dibangun menggunakan dataset yang berasal dari kaggle. Total dataset yang didapatkan 195 data latih dan 45 data uji menggunakan perbandingan 80:20 persen untuk data latih dan validasi dengan ukuran masukkan 224 x 224 piksel. Berdasarkan hasil pelatihan didapat tingkat akurasi 1.0 dan validasi akurasi 0.94 dengan maksimal 150 kali epoch. Berdasarkan hasil pengujian akurasi didapatkan hasil akurasi terbaik sistem sebesar 91.67%. Model di eksekusi menggunakan interpreter Tensorflow Lite yang tertanam pada aplikasi. Hasil aplikasi memenuhi keseluruhan analisis kebutuhan fungsional sistem. Faktor yang mempengaruhi perbedaan hasil pengujian tersebut adalah jarak obyek yang dideteksi, kondisi pencahayaan, dan kualitas gambar.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Computer vision, Klasifikasi gambar, CNN, Mobilenet V1, Android, Agrikultur
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Hayati Kosasih
Date Deposited:	24 Nov 2022 03:40
Last Modified:	24 Nov 2022 03:40
URI:	http://elibrary.unikom.ac.id/id/eprint/7000

Actions (login required)

View Item