Sholikhah, Rusdiyana Dewi Noor (2022) KLASIFIKASI PENYAKIT DAUN TOMAT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (805kB) |
|
Text (BAB I)
BAB I.pdf Download (163kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (479kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (506kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (685kB) |
|
Text (BAB V)
BAB V.pdf Download (61kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (138kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code 18.11.2077 Rusdiyana Dewi Noor Sholikhah.zip Restricted to Repository staff only Download (644MB) |
|
Text (PUBLIKASI)
Publikasi 18.11.2077 Rusdiyana Dewi Noor Sholikhah.pdf Restricted to Repository staff only Download (474kB) |
Abstract
Produk dari hasil pertanian tomat menjadi bagian yang diutamakan karena dalam sehari-hari manusia membutuhkan. Kandungan buah tomat terdapat vitamin A dan vitamin C, sehingga dimanfaatkan sebagai makanan maupun minuman yang sehat bagus untuk pertumbuhan tubuh. Maka dari itu, kualitas dan kuantitas produksi tomat selalu dijaga. Dalam perawatan tanaman tomat terkadang mengalami beberapa kendala, seperti penyakit daun tomat kalau dibiarkan secara terus - menerus akan menghasilkan produksi yang kurang bagus bahkan bisa menyebabkan gagal panen. Karena penyakit daun tomat memiliki gejala yang berbeda - beda, kemudian petani memilih langkah untuk mengidentifikasi dalam waktu yang cukup lama serta bisa menyebabkan penambahan tenaga dan penambahan biaya. Langkah yang dilakukan para petani kurang efisien. Dengan memanfaatkan kemajuan teknologi dalam bidang pengolahan citra digital, hal seperti ini bisa untuk diselesaikan. Pada penelitian ini, klasifikasi yang akan digunakan terdiri sepuluh kelas menggunakan Deep Learning dengan Algoritma Convolutional Neural Network. Algoritma CNN dimanfaatkan untuk mendeteksi objek pada gambar. Hasil dari penelitian ini mendapatkan nilai akurasi sebesar 94.96% menggunakan ukuran citra 224x224, dropout 0.2 dan epochs 15.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Tomat, Deep Learning, Algoritma CNN, Citra | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 30 Dec 2022 02:50 | ||
| Last Modified: | 29 Jul 2023 02:01 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/13797 |
Actions (login required)
 |
View Item |