ESTIMASI BIOMASSA TANAMAN NANAS BERDASARKAN LEBAR DAUN MENGGUNAKAN ALGORITMA MACHINE LEARNING

Fani, Kosasih (2023) ESTIMASI BIOMASSA TANAMAN NANAS BERDASARKAN LEBAR DAUN MENGGUNAKAN ALGORITMA MACHINE LEARNING. Fakultas Teknik, Universitas Lampung.

Preview	File PDF ABSTRAK.pdf Download (90Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (4Mb)
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (3163Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Sebuah tanaman nanas memiliki nilai biomassa yang menjadi indikator paling kritis menentukan apakah suatu tanaman dapat berproduksi dengan baik. Masalah yang dihadapi oleh perusahaan perkebunan nanas adalah sulit untuk menentukan kapan waktu yang tepat untuk melakukan tahapan pembungaan. Upaya yang adalah dengan forcing berdasarkan usia tanaman saat 12-14 bulan. Namun forcing pada tanaman nanas dinilai lebih efektif jika melihat dari segi berat tanaman yaitu 2,3 – 2,5 kg yang memilik range lebar daun 6–7 cm. Penelitian ini bertujuan untuk membuat sistem yang dapat mengestimasi biomassa tanaman nanas berdasarkan lebar daun dengan memanfaatkan teknologi artificial intellegence menggunakan data dari foto udara lahan perkebunan nanas. Metode yang dibangun terdiri dari metode YOLOv5, pengolahan citra untuk ekstraksi fitur jumlah piksel dari objek pada posisi tampak atas dan regresi linier untuk memprediksi lebar daun pada objek. Hasil pengujian menggunakan k-fold cross validation menunjukkan nilai rata R-squared dan MAPE pada k=5 adalah 85% dan 0.94% dan pada k=10 adalah 81% dan 0.95%. Hasil prediksi regresi linier menghasilkan 180 tanaman dengan lebar daun 6-7 cm dari total 216 tanaman data hasil prediksi. Berdasarkan hasil yang diperoleh dapat disimpulkan bahwa algoritma yang dibangun sudah memiliki akurasi yang baik.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit:	2301891614 . Digilib
Date Deposited:	13 Feb 2023 04:02
Terakhir diubah:	13 Feb 2023 04:02
URI:	http://digilib.unila.ac.id/id/eprint/69137

Actions (login required)

Lihat Karya Akhir