Implementasi Convolutional Neural Network (Cnn) Berbasis Mobilenet Untuk Klasifikasi Penyakit Tanaman Kentang (Studi Kasus: Kebun Bunuhan)

ZULKIFLI, . (2025) Implementasi Convolutional Neural Network (Cnn) Berbasis Mobilenet Untuk Klasifikasi Penyakit Tanaman Kentang (Studi Kasus: Kebun Bunuhan). Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (2MB)
	Text BAB I.pdf Restricted to Registered users only Download (109kB)
	Text BAB II.pdf Restricted to Registered users only Download (482kB)
	Text BAB III.pdf Restricted to Registered users only Download (151kB)
	Text BAB IV.pdf Restricted to Registered users only Download (555kB)
	Text BAB V.pdf Restricted to Registered users only Download (89kB)
	Text JURNAL.pdf Restricted to Registered users only Download (260kB)

Abstract

Kentang merupakan sayuran yang mudah di jumpai di Indonesia. Seperti yang dapat kita lihat, hasil dari pengolahan sayuran ini berada dibanyak tempat, mulai dari pedagang kaki lima hingga restoran mewah kelas atas. Sehingga kentang ini menjadi salah satu komoditas terbesar di Indonesia. Untuk itu dilakukan percancangan sistem yang mampu mendeteksi dan mengklasifikasikan penyakit pada tanaman kentang sehingga dapat mengetahui jenis penyakit serta penanganan yang tepat dilakukan tergantung kondisi pada tanaman kentang tersebut. Sebagai pengolah data citra pada perancangan sistem akan menggunakan Convolutional Neural Network (CNN) dengan arsitektur Mobilenet. Seluruh data akan menggunakan citra sebagai data input dan output yang di antaranya early blight (pembusukan dini), late blight (busuk daun), dan daun healthy (sehat). Metode ini akan menghasilkan sebuah nilai parameter training dan test sebagai acuan dalam mendeteksi dan mengklasifikasi penyakit pada tanaman kentang.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Depositing User:	Jejen Juanda
Date Deposited:	15 Nov 2025 06:41
Last Modified:	15 Nov 2025 06:41
URI:	http://repository.unpam.ac.id/id/eprint/17959

Actions (login required)

View Item