Klasifikasi Penyakit pada Orchidaceae Menggunakan Pengolahan Citra dengan Metode Convolution Neural Network (CNN)

Arifin, Mochammad Irfano (2019) Klasifikasi Penyakit pada Orchidaceae Menggunakan Pengolahan Citra dengan Metode Convolution Neural Network (CNN). Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0915040028 - Mochammad Irfano Arifin - Klasifikasi Penyakit pada _i_ Orchidaceae__i_ Menggunakan Pengolahan Citra dengan Metode _i_Convolution Neural Network__i_ (CNN).pdf Restricted to Repository staff only Download (2MB)

Abstract

Tanaman Anggrek merupakan tanaman hias yang bernilai jual cukup tinggi. Pertumbuhan tanaman harus diperhatikan kesehatannya agar bunganya dapat tumbuh secara indah namun pertumbuhannya akan terhambat bila terdapat penyakit dengan penanganan yang tidak tepat. Namun pada kenyataannya kesadaran dan kurangnya pengetahuan petani anggrek tentang jenis penyakit anggrek sehingga penyakit tersebut akan merambat ke seluruh bagian tanaman. Akibat yang paling buruk adalah tanaman dapat mati dan menyebar ke tanaman lainnya, tentu saja akan membuat petani anggrek mengalami kerugian dari sisi materi dan waktu maka dari itu penulis membuat suatu alat yaitu “Klasifikasi Penyakit Pada Orchidaceae Menggunakan pengolahan citra dengan Metode Convolutional Neural Network (CNN)”. Input dari sistem ini yaitu berupa hasil klasifikasi. Sistem Klasifikasi ini menggunakan pengolahan citra. Pengolahan citra dimodifikasi dengan metode Convolutional Neural Network (CNN), dimana algoritma ini akan mengolah dan menganalisis gambar daun pada tanaman. Daun yang dideteksi pada penelitian ini adalah daun dengan kategori penyakit hama spider mites (spider mites pest), titik hitam (Black Spot) , Cercospora dan sehat. Empat kemungkinan klasifikasi. Sedangkan output dari penelitian ini yaitu berupa hasil klasifikasi kondisi daun tersebut. Hasil dari pengujian sistem dengan sampel tidak termasuk dataset dengan pengambilan 10 gambar setiap kategori, didapatkan total 40 gambar memiliki tingkat keberhasil sebesar 85%, berdasarkan tingkat keberhasilan tersebut dapat dikatakan bahwa sistem berjalan sesuai dengan fungsinya dengan cukup baik.

Actions (login required)

View Item