Deteksi Penyakit Daun Kentang dengan Deep Learning Berbasis CNN MobileNet

Anshari, Muhammad (2026) Deteksi Penyakit Daun Kentang dengan Deep Learning Berbasis CNN MobileNet. Diploma thesis, Universitas Islam Kalimantan MAB.

	Text Jurnal Aan Kirim.pdf Download (229kB)
	Text PENGESAHAN SKRIPSI EPRINT_compressed.pdf Download (23kB)
	Text KEASLIAN SKRIPSI.pdf Download (112kB)

Abstract

kentang merupakan salah satu komoditas sayuran yang memiliki nilai ekonomi tinggi di Indonesia, namun sering mengalami penurunan produktivitas akibat serangan penyakit daun seperti bercak kering dan busuk daun. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis penyakit daun kentang guna membantu deteksi dini secara cepat dan akurat. Metode yang digunakan adalah jaringan saraf tiruan berbasis pembelajaran mendalam dengan arsitektur MobileNetV2 dan teknik pembelajaran transfer. Data penelitian berupa 3.656 citra daun kentang yang terbagi menjadi tiga kategori yaitu bercak kering, busuk daun, dan sehat, yang diperoleh dari sumber daring. Data diproses melalui tahap penyesuaian ukuran citra, normalisasi warna, pembagian data latih, validasi, dan uji. Model dilatih dengan strategi penghentian dini untuk mencegah kelebihan pelatihan, kemudian dilakukan evaluasi menggunakan ukuran akurasi, presisi, daya jangkau, dan luas di bawah kurva. Hasil penelitian menunjukkan model mampu mengklasifikasikan penyakit dengan tingkat kinerja yang tinggi. Sistem diimplementasikan dalam bentuk aplikasi berbasis web sehingga pengguna dapat mengunggah gambar daun kentang dan memperoleh hasil prediksi secara langsung. Temuan ini menunjukkan bahwa pendekatan yang digunakan efektif dalam membantu deteksi penyakit daun kentang secara praktis dan efisien.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deteksi penyakit, Daun kentang, Deep learning, MobileNetV2, Klasifikasi citra
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Depositing User:	Muhammad Anshari
Date Deposited:	28 Jan 2026 02:30
Last Modified:	28 Jan 2026 02:30
URI:	http://eprints.uniska-bjm.ac.id/id/eprint/32866

Actions (login required)

View Item