• mahkota212.com
  • http://adoornri.com/
  • yokaislot
  • slot gacor
  • https://kadinkabserambarat.org/tentang-kadin/
  • https://kadinkabhalmaheratengah.org/tentang-kadin/
  • situs slot gacor hari ini
  • https://metallagi.com/
  • https://sistel.semarangkota.go.id/
  • https://bkd.siakkab.go.id/
  • https://kadintegal.org/tentang-kadin/
  • https://ejournal.bsi.ac.id/ejurnal/index.php/abdimas
  • https://sippbb.purwakartakab.go.id/maps/
  • http://pustaka.fib.unand.ac.id/
  • slot gacor
  • slot777
  • https://awangbangkalbarat.banjarkab.go.id/
  • https://www.scienceworksforus.com/press-releases/one-week-and-counting-dont-cut-the-research-that-fuels-the-u-s-economy
  • https://washrightsnetwork.org/free-spins-existing-customers-no-deposit-2025-australia/
  • https://catalogue.paramadina.ac.id/
  • https://kadinlangara.org/XNXX/
  • https://kadinpcmataram.org/kontak/
  • https://merch.emma-larson.com/products
  • https://kadinkabbireuen.org/tentang-kadin/
  • https://kadinkotabatang.org/XVIDEOS/
  • https://motherscareivfcentre.com/about-us-2/appointments/
  • https://tiwet.web.id/orc/
  • https://babelankota.kabbekasi.id/
  • situs slot gacor
  • https://anggota.kadinpcmataram.org/
  • Klasifikasi Penyakit Tanaman Kentang Menggunakan Metode Convolutional Neural Network (CNN) Klasifikasi Penyakit Tanaman Kentang Menggunakan Metode Convolutional Neural Network (CNN)

    Detail Cantuman

    Prodi Teknik Informatika

    Klasifikasi Penyakit Tanaman Kentang Menggunakan Metode Convolutional Neural Network (CNN)

    XML

    Tanaman kentang merupakan salah satu komoditas pangan penting di Indonesia, khususnya di daerah dataran tinggi seperti Kabupaten Banjarnegara. Namun, produksi kentang di wilayah tersebut mengalami penurunan yang cukup signifikandalam beberapa tahun terakhir, salah satunya disebabkan oleh serangan penyakit tanaman. Identifikasi penyakit secara cepat dan akurat menjadi langkah penting untuk mencegah kerugian lebih lanjut. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dalam proses klasifikasi penyakit tanaman kentang berdasarkan citra daun. Proses pengumpulan data dilakukan melalui observasi langsung di Kecamatan Batur dan jugamenggunakan dataset dari Kaggle. Model CNN yang dikembangkan kemudian diintegrasikan ke dalam aplikasi berbasis web menggunakan FastAPI pada sisibackend dan ReactJS pada sisi frontend, sehingga pengguna dapat mengunggahcitra dan memperoleh hasil klasifikasi secara langsung. Evaluasi model dilakukan menggunakan metrik Confusion Matrix, dengan parameter akurasi, presisi, recall,dan F1 score. Hasil dari penelitian ini diharapkan dapat membantu petani dalam mendeteksi penyakit tanaman kentang secara cepat, akurat, dan mudah diakses melalui perangkat digital.Kata Kunci : Deep Learning, Convolutional Neural Network, Tanaman Kentang,Penyakit Tanaman Kentang, Klasifikasi Citra,


    Detail Information

    Item Type
    Laporan Tugas Akhir
    Penulis
    Yurio Dwi El Saputra - Personal Name
    Student ID
    2020150068
    Dosen Pembimbing
    Hidayatus Sibyan, M.Kom - - Dosen Pembimbing 1
    Muslim Hidayat, M.Kom - - Dosen Pembimbing 2
    Penguji
    Kode Prodi PDDIKTI
    55201
    Edisi
    Published
    Departement
    Teknik Informatika
    Kontributor
    Bahasa
    Indonesia
    Penerbit Universitas Sains Al-Qur'an : Wonosobo.,
    Edisi
    Published
    Subyek
    No Panggil
    Copyright
    Individu Penulis
    Doi

    Lampiran Berkas

    LOADING LIST...



    Informasi


    DETAIL CANTUMAN


    Kembali ke sebelumnya  XML Detail