RANCANG BANGUN APLIKASI IDENTIFIKASI GULMA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN REKOMENDASI JENIS HERBISIDA BERBASIS ANDROID

ARDIANSYAH, RYAN PRAYUGA (2024) RANCANG BANGUN APLIKASI IDENTIFIKASI GULMA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN REKOMENDASI JENIS HERBISIDA BERBASIS ANDROID. Skripsi thesis, Universitas Panca Marga.

Preview	Text COVER SKRIPSI RYAN PRAYUGA ARDIANSYAH .pdf Download (47kB) | Preview
	Text HALAMAN DAFTAR ISI RYAN PRAYUGA ARDIANSYAH .pdf Restricted to perpustakaan UPM Download (111kB)
Preview	Text HALAMAN ABSTRAK RYAN PRAYUGA ARDIANSYAH .pdf Download (41kB) | Preview
	Text BAB 1 RYAN PRAYUGA ARDIANSYAH .pdf Restricted to perpustakaan UPM Download (48kB)
	Text BAB 2 RYAN PRAYUGA ARDIANSYAH .pdf Restricted to perpustakaan UPM Download (801kB)
	Text BAB 3 RYAN PRAYUGA ARDIANSYAH .pdf Restricted to perpustakaan UPM Download (737kB)
	Text BAB 4 RYAN PRAYUGA ARDIANSYAH .pdf Restricted to perpustakaan UPM Download (2MB)
	Text BAB 5 RYAN PRAYUGA ARDIANSYAH .pdf Restricted to perpustakaan UPM Download (32kB)
	Text DAFTAR PUSTAKA RYAN PRAYUGA ARDIANSYAH .pdf Restricted to perpustakaan UPM Download (148kB)
	Text SURAT KETERANGAN BEBAS PLAGIASI RYAN PRAYUGA ARDIANSYAH .pdf Restricted to perpustakaan UPM Download (514kB)

Abstract

Salah satu masalah utama yang dihadapi petani adalah adanya gangguan gulma pada lahan sawah, yang dapat menyebabkan penurunan produksi pada tanaman pangan seperti padi, jagung, dan bawang. Gulma bersaing secara langsung dengan tanaman pangan, sehingga dapat mengurangi potensi dan kualitas hasil tanaman pangan. Pengendalian gulma sangat penting untuk mencegah kehilangan hasil, dan penggunaan herbisida adalah metode yang paling efektif. Namun, tidak semua petani mengetahui jenis herbisida apa yang tepat untuk berbagai spesies gulma tersebut. Penelitian ini bertujuan membuat aplikasi Android untuk mengidentifikasi gulma menggunakan kamera smartphone dan memberikan rekomendasi herbisida yang sesuai. Metode Convolutional Neural Network (CNN) digunakan untuk klasifikasi citra, pengembangan software menggunakan metode Software Development Life Cycle (SDLC), dan perancangan sistem menggunakan Unified Modelling Language (UML). Hasil penelitian menunjukkan model CNN mencapai akurasi 96% dalam mengidentifikasi gulma. Pengujian blackbox memastikan semua variabel dan modul berfungsi dengan baik dan Pengujian User Acceptance Test (UAT) menunjukkan tingkat kepuasan pengguna sebesar 89%, yang menandakan aplikasi ini diterima dengan baik dan dianggap bermanfaat dalam identifikasi gulma serta rekomendasi herbisida yang tepat.

Actions (login required)

View Item