eprintid: 32620
rev_number: 8
eprint_status: archive
userid: 12
dir: disk0/00/03/26/20
datestamp: 2026-09-08 03:54:01
lastmod: 2026-09-08 03:54:01
status_changed: 2026-09-08 03:54:01
type: thesis
metadata_visibility: show
creators_name: Fitrony, Fachri Ayudi
creators_nim: 24.55.1617
contributors_name: Utami, Ema
corp_creators: Universitas AMIKOM Yogyakarta
title: KLASIFIKASI PENYAKIT CITRA DAUN TANAMAN PADI BERBASIS 
DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL
NEURAL NETWORK (CNN)
ispublished: pub
subjects: 000.000.000A
subjects: 500.580.580A
divisions: PJJ
full_text_status: public
keywords: CNN, Deep learning, Augmentasi data, Penyakit daun, Tanaman padi, Data augmentation, Leaf disease, Rice plants.
abstract: Padi merupakan sumber makanan pokok bagi sebagian besar masyarakat di dunia,
termasuk Indonesia yang merupakan negara agraris dimana sebagian besar
penduduknya menanam dan mengkonsumsi padi. Tentu saja tanaman padi juga
memiliki berbagai kondisi penyakit terutama pada daun yaitu diantaranya Brownspot,
Healthy, Leafblight dan Hispa. Jika infeksi atau penyakit pada tanaman padi tidak
segera diidentifikasi sejak dini maka akan menurunkan produksi dan merugikan
petani. Untuk menangani masalah ini dapat memanfaatkan bidang informatika dalam
mengidentifikasi penyakit dengan menggunakan image processing dan image
classification. 
Tahapan penelitian dimulai dari identifikasi masalah, studi literatur, penentuan
algoritma dan metode. Setelah itu mulai mengumpulkan dataset publik, melakukan
augmentasi dataset, kemudian eksperimen training data dengan beberapa percobaan
arsitektur CNN, lalu mengevaluasi hasil percobaan, dan terakhir menarik kesimpulan
serta menulis laporan. Dataset diambil dari repository publik kaggle dan augmentasi
data juga digunakan dalam penelitian ini untuk memperbanyak dataset guna
meningkatkan akurasi data training. 
Dengan latar belakang tersebut maka diusulkan pendekatan sistem pendeteksian
penyakit pada daun padi dengan metode deep learning menggunakan Convolutional
Neural Network (CNN) dan beberapa perbandingan arsitektur yaitu VGG16,
MobileNetV2, Xception, dan InceptionV3. Hasil eksperimen paling baik diperoleh
menggunakan arsitektur MobileNetV2 yang menghasilkan akurasi validation  97.15%.
date: 2026-06-02
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: PJJ Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Fitrony, Fachri Ayudi  (2026) KLASIFIKASI PENYAKIT CITRA DAUN TANAMAN PADI BERBASIS DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN).  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32620/1/24.55.1617%20-%20Fachri%20Ayudi%20Fitrony.pdf