Muhammad Andhika Ramadhan, - (2024) PENGEMBANGAN SISTEM PENDETEKSI PENYAKIT PADA DAUN TANAMAN DENGAN METODE EFFICIENTNET BERBASIS ANDROID. S1 thesis, Universitas Pendidikan Indonesia.
This is the latest version of this item.
![]() |
Text
S_TEKKOM_2003029_Title.pdf Download (315kB) |
![]() |
Text
S_TEKKOM_2003029_Chapter1.pdf Download (222kB) |
![]() |
Text
S_TEKKOM_2003029_Chapter2.pdf Restricted to Staf Perpustakaan Download (955kB) |
![]() |
Text
S_TEKKOM_2003029_Chapter3.pdf Download (1MB) |
![]() |
Text
S_TEKKOM_2003029_Chapter4.pdf Restricted to Staf Perpustakaan Download (2MB) |
![]() |
Text
S_TEKKOM_2003029_Chapter5.pdf Download (161kB) |
![]() |
Text
S_TEKKOM_2003029_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB) |
Abstract
Bagi para pelaku budidaya tanaman baik petani ataupun masyarakat umum, kesehatan tanaman merupakan faktor penting yang selalu dipantau agar tanaman tersebut menghasilkan buah/daun yang baik dan layak untuk dikonsumsi. Metode tradisional untuk mengidentifikasi penyakit tanaman adalah dengan mengamati gejala yang muncul dan melakukan analisis laboratorium. Metode ini tentunya memerlukan ahli di bidang botani untuk memberikan diagnosis penyakit tanaman tersebut. Pendeteksian dini penyakit pada tanaman akan memberikan manfaat lebih awal untuk melakukan pencegahan, penyebaran dan kerusakan lebih lanjut. Kemajuan teknologi dalam bidang deep learning, khususnya pada computer vision, telah menciptakan peluang baru untuk mendeteksi penyakit pada tanaman dengan lebih efisien dibandingkan metode tradisional. Meski begitu, untuk memastikan penerapannya yang luas dan digunakan oleh pengguna, diperlukan sebuah media yang dapat dioperasikan dengan mudah dan sudah umum dipunyai yaitu pada perangkat smartphone. Penelitian ini bertujuan untuk membuat sebuah model yang dapat mendeteksi penyakit pada daun tanaman dan kemudian diintegrasikan menggunakan API kepada sebuah aplikasi berbasis android. Menggunakan dataset yang bersifat open source dan dapat diakses oleh siapapun, dengan menggunakan arsitektur EfficientNet B5, berdasarkan hasil pengujian dan evaluasi, didapatkan sebuah model dengan akurasi tertinggi mencapai 98.84% pada data diuji. Pengembangan lainnya yang dilakukan yaitu penambahan bounding box dengan menggunakan algoritma Grad-CAM agar lebih fokus pada area daun yang terinfeksi penyakit. Model dan algoritma yang telah dibangun ini diimplementasikan pada aplikasi android agar proses penggunaan model (inference) lebih efektif dan mudah. Harapannya aplikasi ini dapat membantu dalam mengidentifikasi dan mengatasi penyakit pada daun dengan lebih efisien dan cepat. ----------- For those cultivating plants, whether farmers or the general public, plant health is an important factor that is always monitored so that the plants produce good fruit/leaves that are suitable for consumption. The traditional method for identifying plant diseases is to observe the symptoms that appear and carry out laboratory analysis. This method certainly requires an expert in the field of botany to provide a diagnosis of the plant disease. Early detection of disease in plants will provide earlier benefits for prevention, spread and further damage. As time progresses in the field of deep learning, especially in computer vision, they have created new opportunities to detect diseases in plants more efficiently than traditional methods. However, to ensure its widespread application and used, a device is needed that can be operated easily and is commonly available, namely on smartphone devices. This research aims to create a model that can detect disease in plant leaves and then integrate it using API into an Android-based application. Using a dataset that is open source and can be accessed by anyone, using the EfficientNet B5 architecture, based on test and evaluation results, a model was obtained with the highest accuracy reaching 98.84% on the tested data. Another development carried out was adding bounding box using the Grad-CAM algorithm to focus more on areas of leaves infected with the disease. The models and algorithms that have been built are implemented in an Android application so that the process of using the model inference is more effective and easier. It is hoped that this application can help identify and treat leaf diseases more efficiently and quickly.
Item Type: | Thesis (S1) |
---|---|
Additional Information: | https://scholar.google.com/citations?user=_Ai798AAAAAJ&hl=en&authuser=1&oi=ao ID SINTA Dosen Pembimbing: Deden Pradeka: 6680849 Muhammad Taufik Dwi Putra: 6745726 |
Uncontrolled Keywords: | Penyakit Daun, Convolutional Neural Network, EfficientNet, API, Android, Leaf Disease, Convolutional Neural Network, EfficientNet, API, Android |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software Q Science > QK Botany S Agriculture > S Agriculture (General) S Agriculture > SD Forestry T Technology > T Technology (General) |
Divisions: | UPI Kampus cibiru > S1 Teknik Komputer |
Depositing User: | Muhammad Andhika Ramadhan Andhika |
Date Deposited: | 23 Aug 2024 03:06 |
Last Modified: | 23 Aug 2024 03:06 |
URI: | http://repository.upi.edu/id/eprint/120155 |
Available Versions of this Item
-
PENGEMBANGAN SISTEM PENDETEKSI PENYAKIT PADA DAUN TANAMAN DENGAN METODE EFFICIENTNET BERBASIS ANDROID. (deposited UNSPECIFIED)
- PENGEMBANGAN SISTEM PENDETEKSI PENYAKIT PADA DAUN TANAMAN DENGAN METODE EFFICIENTNET BERBASIS ANDROID. (deposited 23 Aug 2024 03:06) [Currently Displayed]
Actions (login required)
![]() |
View Item |