DETEKSI PENYAKIT PADA TANAMAN CABAI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR YOU ONLY LOOK ONCE (YOLO

Ar-Royhan, Yahya Faqihuddin (2021) DETEKSI PENYAKIT PADA TANAMAN CABAI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR YOU ONLY LOOK ONCE (YOLO. Diploma thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK_YahyaFaqihuddinAr_123150101.pdf Download (9kB)
	Text COVER_YahyaFaqihuddinAr_123150101 (1).pdf Download (219kB)
	Text DAFTAR ISI_YahyaFaqihuddinAr_123150101.pdf Download (28kB)
	Text DAFTAR PUSTAKA_YahyaFaqihuddinAr_123150101.pdf Download (256kB)
	Text LAPORAN_YahyaFaqihuddinAr_123150101.pdf Restricted to Repository staff only Download (3MB)
	Text LEMBAR PENGESAHAN_YahyaFaqihuddinAr_123150101.pdf Download (662kB)

Abstract

Tanaman Cabai merupakan komoditas sayuran yang banyak dibudidayakan di
Indonesia, akan tetapi dalam pengelolaannya tak sedikit mengalami gagal panen. Salah satu
penyebabnya adalah penyakit yang menghambat perkembangan dan pertumbuhan tanaman.
Penyakit pada tanaman cabai disebabkan oleh serangan patogen. Patogen adalah
mikroorganisme parasit yang menyerang inangnya, bisa berupa manusia, hewan dan
tumbuhan. Patogen yang menyerang tanaman cabai terdiri dari virus, bakteri dan fungi/ jamur
yang biasa menyerang daun pada tanaman.
Metode Convoutional Neural Network (CNN) digunakan untuk mengekstaksi ciri fitur
pada daun tanaman cabai serta melakukan pendeteksian terhadap penyakit. Arsitektur jaringan
CNN yang digunakan adalah You Only Look Once version 3 (YOLOv3) yang menggunakan
53 layer konvolusi didalamnya. Arsitektur YOLOv3 digunakan untuk mendeteksi penyakit
pada tanaman cabai pada proses pengujian dengan menggunakan kotak pembatas pada objek
yang dideteksi yang biasa disebut dengan bounding box. Prototype aplikasi deteksi yang dibuat
menggunakan platform website untuk proses data training dan desktop untuk proses pengujian
dengan data testing. Data citra yang digunakan berjumlah 100 citra untuk data training dan 50
citra untuk data testing. Penyakit tanaman cabai yang dideteksi pada penelitian ini adalah
bercak daun dan busuk daun.
Hasil penelitian dengan menggunakan metode Convolutional Neural Network (CNN)
dan arsitektur You Only Look Once version 3 (YOLOv3) dapat melakukan pendeteksian pada
penyakit pada daun tanaman cabai. Dari 50 data testing yang digunakan diperoleh hasil akurasi
sebesar 96% dengan waktu rata-rata 2.18 detik. Berdasarkan pengujian tersebut, dapat
disimpulkan bahwa metode CNN dengan arsitektur YOLOv3 mendapatkan hasil yang baik dan
cepat dalam mendeteksi penyakit pada daun tanaman cabai.
Kata Kunci: Deteksi, Tanaman Cabai, Penyakit, Convolutional Neural Network, You Only
Look Once version 3 (YOLOv3)

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deteksi, Tanaman Cabai, Penyakit, Convolutional Neural Network, You Only Look Once version 3 (YOLOv3)
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	05 Sep 2023 03:11
Last Modified:	05 Sep 2023 03:11
URI:	http://eprints.upnyk.ac.id/id/eprint/37351

Actions (login required)

View Item