Khowarizmi, Muhammad Azka (2023) Sistem pendeteksi penyakit Daun Kentang menggunakan Algoritma You Only Look Once (YOLO). Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
Cover.pdf Download (42kB) | Preview |
|
|
Text (ABSTRAK)
ABSTRAK.pdf Download (23kB) | Preview |
|
|
Text (DAFTAR ISI)
DAFTAR ISI.pdf Download (94kB) | Preview |
|
|
Text (BAB I)
BAB I.pdf Download (148kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (352kB) |
|
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (689kB) |
|
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
BAB V.pdf Restricted to Registered users only Download (22kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (92kB) |
Abstract
Menurut data dari Badan Pusat Statistik (BPS) Indonesia, pada tahun 2022, kentang menduduki peringkat ketiga dari dua puluh lima jenis sayuran dengan produksi tertinggi, dengan jumlah total produksi mencapai 1.503.998 ton. Namun, kentang juga rentan terhadap berbagai penyakit seperti bakteri, jamur, dan virus. Salah satu penyakit yang sering menyerang daun kentang di Indonesia adalah penyakit daun yang menyebabkan pembusukan dan bercak-bercak, yang umumnya disebabkan oleh bakteri. Penyakit-penyakit ini dapat mengurangi kualitas tanaman kentang. Masalah utama yang dihadapi adalah bahwa identifikasi penyakit pada tanaman kentang masih dilakukan secara manual. Tujuan dari penelitian ini adalah untuk mendeteksi penyakit pada daun kentang menggunakan algoritma You Only Look Once (YOLO) dan menguji hasil deteksi penyakit menggunakan algoritma ini. Metode yang digunakan dalam penelitian ini adalah You Only Look Once version 4 (YOLOv4), yang merupakan metode deteksi objek. Hasil pengujian menunjukkan bahwa YOLO dapat mendeteksi penyakit dengan nilai precision, recall, dan F-1 score secara berturut-turut pada iterasi ke-6.000 adalah 0,82, 0,83, dan 0,82. Nilai mean Average Precision (mAP) mencapai 87,35% dengan nilai rata-rata Intersection over Union (IoU) sebesar 60.12%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Deteksi objek; healthy; lateblight; YOLO; kentang; CRISP-DM |
| Subjects: | Data Processing, Computer Science |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Muhammad Azka Khowarizmi |
| Date Deposited: | 05 Feb 2024 06:29 |
| Last Modified: | 05 Feb 2024 06:29 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/84689 |
Actions (login required)
 |
View Item |
