Implementasi algoritma Convolutional Neural Network (CNN) untuk klasifikasi penyakit daun padi berdasarkan citra daun

Al Bantani, Iqbal Abdul Aziz (2025) Implementasi algoritma Convolutional Neural Network (CNN) untuk klasifikasi penyakit daun padi berdasarkan citra daun. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text Text (COVER).pdf Download (174kB) | Preview
Preview	Text Text (ABSTRAK).pdf Download (243kB) | Preview
Preview	Text (LEMBAR PERNYATAAN) Surat pernyataan karya sendiri (13).pdf Download (621kB) | Preview
Preview	Text Text (DAFTAR ISI).pdf Download (208kB) | Preview
Preview	Text Text (BAB 1).pdf Download (316kB) | Preview
	Text Text (BAB II).pdf Restricted to Registered users only Download (662kB) | Request a copy
	Text Text (BAB III).pdf Restricted to Registered users only Download (486kB) | Request a copy
	Text Text (BAB IV).pdf Restricted to Registered users only Download (777kB) | Request a copy
	Text Text (BAB V).pdf Restricted to Registered users only Download (237kB) | Request a copy
	Text Text (DAFTAR PUSTAKA).pdf Restricted to Registered users only Download (155kB) | Request a copy

Abstract

Pertanian merupakan sektor penting dalam perekonomian Indonesia, khususnya pada komoditas padi (Oryza sativa) yang menjadi makanan pokok mayoritas masyarakat. Permasalahan utama dalam produksi padi adalah serangan penyakit daun yang dapat menurunkan kualitas dan kuantitas hasil panen. Oleh karena itu, diperlukan penerapan teknologi berbasis kecerdasan buatan untuk membantu mendeteksi penyakit daun padi secara cepat dan akurat. Pada penelitian ini, diimplementasikan algoritma Convolutional Neural Network (CNN) dengan pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM) untuk klasifikasi penyakit daun padi berdasarkan citra daun. Dataset yang digunakan terdiri dari beberapa kelas penyakit daun padi dan daun sehat, yang kemudian diproses melalui tahap preprocessing sebelum dilakukan pelatihan model. Eksperimen dilakukan dengan beberapa konfigurasi, dan hasil terbaik diperoleh pada rasio data latih dan data uji sebesar 70:30 dengan jumlah epoch 50, menghasilkan akurasi 92,25% pada data latih, 92,34% pada data validasi, serta rata-rata akurasi 92,26%. Hasil ini menunjukkan bahwa CNN memiliki kemampuan yang sangat baik dalam mengklasifikasikan penyakit daun padi, sehingga berpotensi menjadi solusi pendukung bagi petani dalam mendeteksi penyakit tanaman secara dini serta menjaga produktivitas pertanian.

Actions (login required)

View Item