KLASIFIKASI PENYAKIT KARAT DAUN DAN TUNGAU MERAH PADA TANAMAN KOPI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR SQUEEZENET

Aprilia Anggun Sari, Rahmawati (2025) KLASIFIKASI PENYAKIT KARAT DAUN DAN TUNGAU MERAH PADA TANAMAN KOPI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR SQUEEZENET. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

[img]
Preview
File PDF
Abstrak_Skripsi_Aprilia Anggun Sari Rahmawati.pdf

Download (183Kb) | Preview
[img] File PDF
Draft Full Skripsi_Aprilia Anggun Sari Rahmawati.pdf
Restricted to Hanya staf

Download (2715Kb) | Minta salinan
[img]
Preview
File PDF
Draft Skripsi Tanpa Pembahasan_Aprilia Anggun Sari Rahmawati.pdf

Download (2105Kb) | Preview

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

Penyakit pada daun kopi seperti karat daun dan serangan tungau merah, merupakan salah satu penyebab penurunan produktivitas kopi di Indonesia. Dampak yang ditimbulkan tidak hanya pada berkurangnya jumlah panen, tetapi juga menurunkan kualitas biji kopi. Oleh karena itu, dibutuhkan metode klasifikasi penyakit yang mampu mengklasifikasikan kondisi daun secara akurat guna mendukung pengelolaan tanaman yang lebih efektif. Penelitian ini mengimplementasikan model klasifikasi otomatis menggunakan Convolutional Neural Network (CNN) dengan memanfaatkan arsitektur SqueezeNet yang dikenal ringan serta efisien dalam penggunaan sumber daya komputasi. Dataset yang digunakan berjumlah 1.000 citra daun kopi, terbagi menjadi tiga kelas, yaitu daun sehat, daun terinfeksi karat, dan daun terserang tungau merah. Seluruh citra diproses melalui tahapan preprocessing dan augmentasi untuk meningkatkan keragaman data latih pada proses pelatihan. Model dilatih dengan pengaturan hyperparameter tertentu, seperti jumlah epoch, batch size, serta learning rate. Evaluasi dilakukan dengan data uji terpisah, menghasilkan akurasi klasifikasi sebesar 93,68%. Hasil ini menunjukkan bahwa SqueezeNet mampu mengenali kategori daun kopi dengan baik. Dengan keunggulannya yang ringan, model ini berpotensi diterapkan pada perangkat dengan keterbatasan komputasi, sehingga mendukung pemantauan kondisi tanaman kopi secara praktis dan berkelanjutan.

Jenis Karya Akhir: Skripsi
Subyek: 000 Ilmu komputer, informasi dan pekerjaan umum
000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer
000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
600 Teknologi (ilmu terapan)
Program Studi: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit: 2507533599 Digilib
Date Deposited: 01 Oct 2025 03:51
Terakhir diubah: 01 Oct 2025 03:51
URI: http://digilib.unila.ac.id/id/eprint/90670

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir