IMPLEMENTASI SISTEM DETEKSI PENYAKIT TANAMAN DAUN JAGUNG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DENGAN FINE-TUNING HYPERPARAMETER

Nugroho, Amir (2026) IMPLEMENTASI SISTEM DETEKSI PENYAKIT TANAMAN DAUN JAGUNG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DENGAN FINE-TUNING HYPERPARAMETER. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (703kB)
	Text BAB 1.pdf Download (279kB)
	Text BAB 2.pdf Download (450kB)
	Text BAB 3.pdf Download (847kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (249kB)
	Text LAMPIRAN.pdf Download (784kB)

Abstract

Penyakit pada daun tanaman jagung merupakan salah satu faktor utama yang dapat menurunkan produktivitas hasil panen. Proses identifikasi penyakit daun jagung yang masih dilakukan secara manual membutuhkan waktu yang lama, bergantung pada pengalaman pengamat, serta berpotensi menimbulkan kesalahan diagnosis. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi penyakit daun jagung secara otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan pendekatan fine-tuning hyperparameter. Metode penelitian yang digunakan meliputi pengolahan citra digital daun jagung yang diperoleh dari Seasonal Corn Leaf Disease Dataset. Model CNN dibangun menggunakan arsitektur MobileNetV2 dengan dua tahap pelatihan, yaitu warm-up dan fine-tuning, serta dilakukan penyesuaian hyperparameter seperti learning rate, batch size, dropout, jumlah epoch, dan augmentation strength. Penelitian ini menguji tiga variasi nilai augmentation strength, yaitu 0.15, 0.25, dan 0.35 untuk memperoleh konfigurasi terbaik. Hasil penelitian menunjukkan bahwa model CNN dengan augmentation strength 0.25 memberikan performa terbaik dengan nilai akurasi sebesar 97,51% dan rata-rata F1-score sebesar 0,971. Model mampu mengklasifikasikan lima kelas daun jagung, yaitu Bacterial Leaf Streak, Common Rust, Gray Leaf Spot, Healthy, dan Maize Chlorotic Mottle Virus dengan tingkat kesalahan yang sangat rendah. Model terbaik kemudian diimplementasikan ke dalam sistem berbasis web menggunakan Flask, sehingga pengguna dapat melakukan deteksi penyakit daun jagung melalui unggahan citra secara cepat dengan waktu prediksi rata-rata ±1,8 detik. Sistem ini diharapkan dapat menjadi solusi yang akurat, efisien, dan aplikatif
dalam mendukung penerapan teknologi pertanian cerdas (smart agriculture).

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General) S Agriculture > S Agriculture (General) S Agriculture > SB Plant culture T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	11 May 2026 06:30
Last Modified:	11 May 2026 06:30
URI:	https://repository.unas.ac.id/id/eprint/15877

Actions (login required)

View Item