APLIKASI DETEKSI PENYAKIT BAWANG MERAH BERBASIS ANDROID MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN REKOMENDASI PESTISIDA DENGAN METODE RULE-BASED SYSTEM

SONIA, TOYYIBATUS (2026) APLIKASI DETEKSI PENYAKIT BAWANG MERAH BERBASIS ANDROID MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN REKOMENDASI PESTISIDA DENGAN METODE RULE-BASED SYSTEM. Skripsi thesis, Universitas Panca Marga.

[img] Text
Cover Skripsi TOYYIBATUS SONIA .pdf

Download (57kB)
[img] Text
Daftar Isi TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (195kB)
[img] Text
Abstrak TOYYIBATUS SONIA .pdf

Download (13kB)
[img] Text
BAB I TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (123kB)
[img] Text
BAB II TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (381kB)
[img] Text
BAB III TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (629kB)
[img] Text
BAB IV TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (841kB)
[img] Text
BAB V TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (1MB)
[img] Text
BAB VI TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (111kB)
[img] Text
Daftar Isi TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (195kB)
[img] Text
surat keterangan bebas plagiasi TOYYIBATUS SONIA .pdf
Restricted to perpustakaan UPM

Download (319kB)

Abstract

Bawang merah (Allium ascalonicum L.) merupakan salah satu komoditas penting yang rentan menghadapi penyakit, sehingga memerlukan deteksi dini yang akurat. Penelitian ini memiliki tujuan guna merancang dan mengimplementasikan aplikasi deteksi penyakit bawang merah dengan berdasar pada gambar daun memakai model Jaringan Saraf Konvolusional (CNN) serta dilengkapi dengan fitur rekomendasi pestisida. Model CNN memakai arsitektur ResNet34 yang telah dilatih melalui platform Roboflow dan menghasilkan nilai akurasi 89,4%, menunjukkan kinerja sangat baik dalam mengklasifikasikan 5 kategori penyakit serta daun sehat. Aplikasi telah dibangun memakai Flutter dan terintegrasi dengan API Roboflow guna melakukan prediksi kapanpun pada perangkat Android. Pengujian menunjukkan bahwa keseluruhan fitur aplikasi telah berfungsi dengan sesuai, serta hasil uji penerimaan pengguna (UAT) mencapai nilai persentase 80,53%, sehingga aplikasi sudah dianggap layak dan bermanfaat bagi pengguna. Dengan adanya aplikasi ini, petani dapat mendeteksi penyakit bawang merah secara langsung dan akurat serta mendapatkan saran pestisida yang tepat.

Item Type: Thesis ( Skripsi)
Uncontrolled Keywords: Deteksi Penyakit, Bawang Merah, Convolutional Neural Network, Citra Daun, Rekomendasi Pestisida
Subjects: Fakultas Teknik dan Informatika
Divisions: S1 Teknik Elektro
Fakultas dan Lembaga Layanan Universitas > Fakultas Teknik dan Informatika > S1 Teknik Elektro
Depositing User: Admin Perpustakaan
Date Deposited: 18 Sep 2026 02:57
Last Modified: 18 Sep 2026 03:32
URI: http://repository.upm.ac.id/id/eprint/6083

Actions (login required)

View Item View Item