Deteksi penyakit daun tomat dengan Algoritma You Only Look Once (YOLO)

Prayitna, Dimas Surya (2022) Deteksi penyakit daun tomat dengan Algoritma You Only Look Once (YOLO). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (74kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (22kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (75kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (166kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (500kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (609kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (3MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (24kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (100kB) | Request a copy

Abstract

Tomat merupakan salah satu satu sayuran yang banyak diproduksi di Indonesia dan menjadi salah satu sayuran yang paling banyak dimanfaatkan di Indonesia. Selain karena banyaknya produksi tomat di Indonesia, tomat juga merupakan tanaman yang sering terserang berbagai macam penyakit. Beberapa penyebabnya adalah bakteri, jamur serta virus. Di Indonesia sendiri, seringnya penyakit yang menjangkit pada daun tomat adalah daun yang membusuk serta bercak-bercak yang disebabkan oleh bakteri. Penyakit-penyakit ini dapat berakibat pada mutu tanaman tomat yang berkurang.Masalahnya, penyakit-penyakit yang menjangkit tanaman ini masih diidentifikasi secara manual. Penelitian ini memilki tujuan untuk mendeteksi penyakit pada daun tomat dengan algoritma You Only Look Once (YOLO) dan mengetahui hasil pengujian untuk mendeteksi penyakit daun tomat dengan algoritma You Only Look Once (YOLO). Metode You Only Look Oncev3 (YOLOv3) adalah metode deteksi objek yang digunakan dalam penelitian ini. You Only Look Once (YOLO) merupakan metode deteksi objek yang melakukan tiga tahapan: mengubah ukuran gambar menjadi 448 x 448, 2 menjalankan jaringan saraf tunggal (single neural network) dan yang terakhir melakukan Non-Maximum Suppression untuk mengeliminasi kotak pembatas yang tidak memiliki nilai paling maksimal. Nilai precision, recall dan F-1 score pada iterasi ke-3.000 secara berurutan adalah 0.71, 0.53, dan 0.63. Untuk nilai mean Average Precision (mAP) nya adalah sebesar 68.17% dengan average IoU sebesar 55.53%.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Healthy; SeptoriaSpot; LateBlight; YOLO
Subjects: Data Processing, Computer Science
Special Computer Methods > Computer Vision
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Dimas Surya Prayitna
Date Deposited: 03 Jan 2023 05:03
Last Modified: 03 Jan 2023 05:03
URI: https://digilib.uinsgd.ac.id/id/eprint/62490

Actions (login required)

View Item View Item