Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
PENGEMBANGAN SISTEM BERBASIS WEB UNTUK KLASIFIKASI PENYAKIT DAUN MANGGA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)
Pengarang
Muhammad Ifdal - Personal Name;
Dosen Pembimbing
Khairun Saddami - 199103182022031008 - Dosen Pembimbing I
Maya Fitria - 199005012019032020 - Dosen Pembimbing II
Sayed Muchallil - 198006162005011002 - Penguji
Yudha Nurdin - 197910012010121002 - Penguji
Nomor Pokok Mahasiswa
2004111010066
Fakultas & Prodi
Fakultas Teknik / Teknik Komputer (S1) / PDDIKTI : 56202
Subject
Kata Kunci
Penerbit
Banda Aceh : Fakultas Teknik Komputer., 2025
Bahasa
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Penyakit daun mangga seperti powdery mildew, bacterial canker, dan anthracnose merupakan ancaman signifikan bagi hasil panen mangga, sering kali tidak terdeteksi secara akurat dengan metode visual konvensional. Tujuan penelitian ini adalah merancang dan mengimplementasikan sistem berbasis web yang dapat mengklasifikasikan penyakit pada daun mangga dengan memanfaatkan teknologi Convolutional Neural Network (CNN). Metode penelitian mencakup studi literatur, wawancara petani untuk analisis kebutuhan, pengembangan model CNN, dan integrasi sistem ke dalam platform web menggunakan framework Flask. Dataset yang digunakan mencakup 4000 gambar daun mangga yang dikategorikan ke dalam delapan kelas. Pengujian yang dilakukan menunjukkan bahwa model Convolutional Neural Network (CNN) berhasil mencapai tingkat akurasi sebesar 95,5%, loss sebesar 0.10466 dan skor F1 sebesar 95,81%, serta sistem web berhasil mengklasifikasikan penyakit daun mangga secara otomatis dan menyediakan informasi terkait dengan tingkat kepuasan pengguna berdasarkan System Usability Scale (SUS) sebesar 80. 2. Website yang dibuat berhasil dan berfungsi dengan baik. Sistem ini tidak hanya mampu mengidentifikasi penyakit secara baik, tetapi juga menyajikan informasi relevan mengenai penyakit tersebut dan menyimpan riwayat klasifikasi. Dengan demikian, website ini menjadi alat yang efektif dan efisien dalam mendukung pengguna, khususnya petani, dalam mengenali dan mengelola penyakit daun mangga.
Kata kunci: Penyakit daun mangga, Convolutional Neural Network, website, pertanian, klasifikasi.
Mango leaf diseases such as powdery mildew, bacterial canker, and anthracnose are significant threats to mango yields and are often not accurately detected by conventional visual methods. The objective of this research is to design and implement a web-based system that can classify diseases on mango leaves using Convolutional Neural Network (CNN) technology. The research methods include literature review, farmer interviews for needs analysis, CNN model development, and system integration into a web platform using the Flask framework. The dataset used consists of 4000 images of mango leaves categorized into eight classes. The tests conducted showed that the Convolutional Neural Network (CNN) model successfully achieved an accuracy rate of 95.5%, a loss of 0.10466, and an F1 score of 95.81%, and the web system successfully classified mango leaf diseases automatically and provided related information with a user satisfaction level based on the System Usability Scale (SUS) of 80. 2. The created website is successful and works well. The system is not only able to identify the disease well, but also presents relevant information about the disease and stores the classification history. Thus, this website is an effective and efficient tool to assist users, especially farmers, in identifying and managing mango leaf diseases. Keywords: Mango leaf diseases, Convolutional Neural Network, website, agriculture, classification.
PERBANDINGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK LENET-5 DAN ALEXNET DALAM PENGENALAN KARAKTER PLAT NOMOR KENDARAAN BERMOTOR (Firman Maulana Adhari, 2021)
DETEKSI PENYAKIT BERCAK DAUN DAN JASSID PADA DAUN TERUNG MENGGUNAKAN ARSITEKTUR RESIDUEL NETWORK (RESNET)-50 DAB EFFICIENNET B4 (Teuku Al-Qusairy, 2024)
IMPLEMENTASI AUGMENTASI GENERATIVE ADVERSARIAL NETWORK PADA METODE MOBILENET UNTUK KLASIFIKASI ANAK STUNTING (CUT NANDA NURUL MEURISYAH, 2024)
PERBANDINGAN PERFORMA METODE HYBRID CNN-XGBOOST DAN CNN-LIGHTGBM DALAM MENDETEKSI PNEUMONIA (Taufiq Hidayat, 2022)
PENERAPAN METODE DEEP LEARNING BERBASIS FREKUENSI SUARA PADA SISTEM RUMAH PINTAR (Shaumi Syahri Fithria, 2024)