DETEKSI HAMA PADA TANAMAN SAWI DENGAN ALGORITMA CNN

Somba, Yeyen Permatasari and Adrian, Angelia Melani and Sanger, Junaidy Budi (2023) DETEKSI HAMA PADA TANAMAN SAWI DENGAN ALGORITMA CNN. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-LEMBAR_PENGESAHAN_YeyenSomba.pdf Download (174kB)
	PDF ABSTRAK_YeyenSomba.pdf Download (14kB)
	PDF KATA_PENGANTAR-DARTAR_ISI_YeyenSomba.pdf Download (236kB)
	PDF BAB_I_YeyenSomba.pdf Download (77kB)
	PDF BAB_II-LAMPIRAN_YeyenSomba.pdf Restricted to Repository staff only Download (2MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Sawi digunakan secara luas dalam berbagai masakan di seluruh dunia, dan nilainya gizi yang tinggi menjadikannya pilihan makanan yang sehat dan bergizi. Saat ini, sawi ditanam dan dikonsumsi di banyak negara di seluruh dunia, dan terus menjadi salah satu sayuran yang populer dan bermanfaat. Tanaman sawi sendiri memiliki penyakit atau hama pada tanaman dimana hal tersebut merupakan hal yang dihindari oleh para petani yang menanam karena akan menjadi suatu kerugian atau gagal panen. Penyebab munculnya hama pada tanaman sawi yaitu kelembaban dan sirkulasi udara, kondisi tanah, penyakit tanaman, varietas tidak tahan hama. Dengan munculnya hama pada sawi karena beberapa penyebab maka para petani harus mengetahui apakah tanaman sawi memiliki hama atau tidak dengan cara manual seperti pemantaun tanaman sawi secara langsung. Dengan pengecekan hama pada sawi yang dilakukan secara langsung memiliki kekurangan yaitu memakan waktu dan tenaga, keterbatasan pendeteksian karena mungkin beberapa hama yang tidak terlihat oleh mata dengan mudah. Karena adanya kekurangan dalam pendeteksian hama pada tanaman sawi secara manual maka akan dibangun aplikasi pendeteksi hama pada sawi dengan menggunakan algoritma CNN yang dapat mempermudah petani dalam mendeteksi hama, karena pemantauan yang real time petani dengan mudah mengambil gambar daun dengan perangkat seluler mereka. Dengan menggunakan aplikasi pendeteksi hama pada tanaman sawi memiliki beberapa keuntungan yaitu. Pertama, aplikasi ini memungkinkan petani untuk secara efektif dan cepat mengidentifikasi keberadaan hama pada tanaman sawi, sehingga dapat dilakukan tindakan pencegahan dengan tepat. Tentunya dengan begitu dapat mengurangi risiko kerusakan yang disebabkan oleh hama dan potensi kerugian yang ditimbulkannya. Penerapan algoritma CNN (Convolutional Neural Network) dengan pengumpulan data yang mencakup gambar-gambar sawi yang terinfeksi hama dan sawi yang tidak terinfekksi hama, dengan begitu data akan diproses dan akan di pelajari pola serta fitur yang identik dari gambar sawi yang terdapat hama ataupun yang tidak terdapat hama, sehingga aplikasi bisa mengklasifikasikan gambar dengan akurasi tinggi dengan dataset berupa gambar sawi. Proses ini agar CNN dapat mengidentifikasi dan memahami ciri-ciri dawi sawi dengan hama dan sawi yang sehat

Kata Kunci: Tanaman Sawi, Hama, CNN

Item Type:

Thesis (Skripsi)

Creators: