Perbandingan Algoritma Convolutional neural network (CNN) dan K Nearest Neighbor (KNN) dalam klasifikasi penyakit kopi pada citra daun

Khoirunnisa, Salma (2026) Perbandingan Algoritma Convolutional neural network (CNN) dan K Nearest Neighbor (KNN) dalam klasifikasi penyakit kopi pada citra daun. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (32kB) | Preview
Preview	Text 2_abstrak.pdf Download (35kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (146kB) | Preview
Preview	Text 4_daftarisi.pdf Download (96kB) | Preview
Preview	Text 5_bab1.pdf Download (51kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (310kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (198kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (444kB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (94kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (119kB) | Request a copy

Abstract

Kopi merupakan salah satu komoditas pertanian yang memiliki nilai ekonomi tinggi dan merupakan salah satu produk ekspor utama di Indonesia. Penyakit pada daun kopi seperti Rust, miner dan phoma dapat menyebabkan kerugian signifikan bagi petani. Peningkatan produksi pertanian global menghadapi tantangan yang penting karena serangan hama dan penyakit tanaman lainnya, mengakibatkan kerusakan dan kerugian di sektor ekonomi hingga 50% pada beberapa komoditas utama. Dalam beberapa tahun terakhir, perkembangan algoritma pembelajaran mesin, khususnya Convolutional neural network (CNN) dan K-Nearest Neighbors (KNN), telah menunjukkan potensi besar dalam klasifikasi citra. Lalu untuk menentukan algoritma mana yang terbaik untuk klasifikasi penyakit daun kopi, dengan mempertimbangkan akurasi, efisiensi komputasi, dan kemudahan implementasi, sangat penting. Berdasarkan hasil pengujian dan analisis yang telah dilakukan pada dataset citra penyakit daun kopi dengan pembagian data sebesar 80% (1.331 data) sebagai data latih dan 20% (333 data) sebagai data uji nilai akurasi KNN pada penelitian ini lebih rendah dibandingkan CNN, yaitu sebesar 51% untuk KNN dan 92% untuk CNN.

Actions (login required)

View Item