Search for collections on Repository Library PCR

KLASIFIKASI PENYAKIT DAN HAMA TANAMAN AKASIA KRASIKARPA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (STUDI KASUS : PT. RIAU ABADI LESTARI)

EKI, HAIYAL 'ULYA (2023) KLASIFIKASI PENYAKIT DAN HAMA TANAMAN AKASIA KRASIKARPA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (STUDI KASUS : PT. RIAU ABADI LESTARI). Diploma thesis, Politeknik Caltex Riau.

[thumbnail of LaporanPA_EKI HAIYAL 'ULYA] Text (LaporanPA_EKI HAIYAL 'ULYA)
Final - Laporan Eki Haiyal'ulya.pdf - Submitted Version
Restricted to Registered users only

Download (3MB)
[thumbnail of Poster_PA] Image (Poster_PA)
Poster PA (1)-1.png - Submitted Version
Restricted to Registered users only

Download (1MB)

Abstract

Akasia krasikarpa merupakan salah satu bahan yang digunakan dalam pembuatan pulp dan kertas. Jenis tanaman akasia krasikarpa ini merupakan salah satu jenis tanaman cepat tumbuh yang dapat beradaptasi pada lahan gambut. PT. Riau Abadi Lestari saat ini memiliki lahan konsesi 12.000 Ha di tiga lokasi unit manajemen yaitu Kecamatan Tapung Hilir (Kabupaten Kampar), Kecamatan Minas dan Kecamatan Sungai Mandau (Kabupaten Siak) dan Kecamatan Pinggir (Kabupaten Bengkalis). Terdapat masalah yaitu pada pengendalian penyakit dan hama pada tanaman akasia krasikarpa. Jenis penyakit dan hama yang rentan menyerang tanaman akasia krasikarpa diantaranya seperti phaeotrichoconis (bercak daun), aleyrodidae (kutu putih) dan lepidoptera (ulat). Berdasarkan permasalahan tersebut, maka dibangunlah aplikasi berbasis mobile hybrid yang dapat mengklasifikasi jenis penyakit dan hama tanaman akasia krasikarpa dengan menggunakan algoritma convolutional neural network (CNN) dari objek gambar daun yang terjangkit menggunakan kamera smartphone. Klasifikasi yang dihasilkan dari smartphone menampilkan jenis penyakit atau hama, faktor pendukung adanya penyakit dan hama kemudian bagaimana pengendalian terpadu pada penyakit dan hama pada akasia krasikarpa. Hasil pengujian yang diperoleh dari dataset model CNN saat proses learning sebesar 94%. Pengujian menggunakan metode confusion matrix pada 90 data uji memperoleh akurasi sebesar 87%. Berdasarkan hasil pengujian aplikasi menggunakan usability testing, pengujian memperoleh skor rata-rata akhir 86,2 berada pada range acceptable. Sehingga dapat disimpulkan bahwa aplikasi yang telah diuji dapat diterima oleh pengguna.

Kata kunci : Akasia krasikarpa, Convolutional neural network, Hama, Klasifikasi, Penyakit.

Item Type: Thesis (Diploma)
Subjects: KBK > KBK Jurusan Teknologi Informasi > KBK Data Engineering
Divisions: Sarjana Terapan > Jurusan Teknologi Informasi > Sistem Informasi
Depositing User: EKI HAIYAL 'ULYA
Date Deposited: 11 Aug 2023 08:13
Last Modified: 11 Aug 2023 08:13
URI: http://repository.lib.pcr.ac.id/id/eprint/418

Actions (login required)

View Item
View Item