TRUNOJOYO-Tugas Akhir-30056-Bab V Penutup.pdf
Restricted to Repository staff only
Download (7kB)
TRUNOJOYO-Tugas Akhir-30056-Abstrak.pdf
Restricted to Repository staff only
Download (6kB)
TRUNOJOYO-Tugas Akhir-30056-COVER.pdf
Restricted to Repository staff only
Download (455kB)
TRUNOJOYO-Tugas Akhir-30056-BAB I Pendahuluan.pdf
Restricted to Repository staff only
Download (27kB)
TRUNOJOYO-Tugas Akhir-30056-BAB II Kajian Pustaka.pdf
Restricted to Repository staff only
Download (428kB)
TRUNOJOYO-Tugas Akhir-30056-BAB III Metode Usulan.pdf
Restricted to Repository staff only
Download (675kB)
TRUNOJOYO-Tugas Akhir-30056-BAB IV Hasil dan Pembahasan.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-30056-Daftar Pustaka.pdf
Restricted to Repository staff only
Download (135kB)
Abstract
Kentang merupakan salah satu tanaman pangan terpenting ketiga dunia setelah beras dan gandum untuk dikonsumsi manusia. Seperti tanaman pada umumnya, tanaman ini juga memiliki penyakit penyakit salah satu faktor yang dapat mempengaruhi kualitas hasil panen kentang. Diantara banyak penyakit yang menyerang yang paling sering dan berbahaya adalah penyakit yang menyerang pada bagian daun tanaman kentang. Permasalahan yang dihadapi petani dalam mengklasifikasi penyakit daun tanaman kentang. Penelitian kali ini akan mengklasifikasikan beberapa jenis penyakit yang terdapat pada daun tanaman kentang untuk mempermudah mengatasi permasalahan tersebut. Kelas citra yang akan di klasifikasikan ada 3 kelas yaitu Early blight, Late blight dan Healthy. Penelitian ini pada tahap preprocessing menggunakan 2 metode yaitu resize dan augmentasi dan metode klasifikasi yang digukan adalah Convolutional Neural Network (CNN) dengan model arsitektur VGG-16. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana proses implemetasi dari arsitektur VGG-16 dan mengetahui tingkat akurasi dari arsitektur CNN model VGG-16. Pada penelitian ini mendapatkan hasil tingkat akurasi tertinggi dengan parameter klasifikasi dengan epoch 20 dan step_per_epoch=75 didapatkan hasil terbaik dengan nilai akurasi sebesar 98,12%.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM ZAINUL ABAD |
| Department | Informatika |
| Uncontrolled Keywords | Klasifikasi, Penyakit Daun Kentang, Convolutional Neural Network (CNN), VGG-16. |
| Divisions | Fakultas Teknik > S1 - Informatika |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 17 Oct 2026 17:12 |
| Last Modified | 24 Oct 2026 17:17 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/27717 |
