Alana, Divi Adiffia Freza (2022) Sistem Pendeteksi Hama Blas Pada Daun Padi Menggunakan Computer Vision. Other thesis, Universitas Komputer Indonesia.
|
Text
1.UNIKOM_DIVI ADIFFIA FREZA ALANA_COVER.pdf - Published Version Download (208kB) | Preview |
|
|
Text
19.UNIKOM_DIVI ADIFFIA FREZA ALANA_LEMBAR PENGESAHAN.pdf - Published Version Download (100kB) | Preview |
|
|
Text
17.UNIKOM_DIVI ADIFFIA FREZA ALANA_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (90kB) | Preview |
|
|
Text
20.UNIKOM_DIVI ADIFFIA FREZA ALANA_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (107kB) | Preview |
|
|
Text
4.UNIKOM_DIVI ADIFFIA FREZA ALANA_KATA PENGANTAR.pdf - Published Version Download (294kB) | Preview |
|
|
Text
5.UNIKOM_DIVI ADIFFIA FREZA ALANA_DAFTAR ISI.pdf - Published Version Download (192kB) | Preview |
|
|
Text
11.UNIKOM_DIVI ADIFFIA FREZA ALANA_BAB 1.pdf - Published Version Download (362kB) | 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 |
||
|
Text
15.UNIKOM_DIVI ADIFFIA FREZA ALANA_BAB 5.pdf - Published Version Download (193kB) | 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 |