Deo, Abigail Excelsis (2024) LKP : Prediksi Kesehatan Tanaman pada Daun Selada dengan Menggunakan Convolutional Neural Network. Undergraduate thesis, Universitas Dinamika.
![]() |
Text
21410100045-2024-UNIVERSITASDINAMIKA.pdf - Accepted Version Download (2MB) |
![]() |
Text
21410100045-2024-LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (899kB) |
Search this title on :
|
Abstract
Laporan ini membahas pengembangan model deep learning berbasis Convolutional Neural Network (CNN) untuk memprediksi kesehatan tanaman pada daun selada. Model ini dilatih menggunakan dataset gambar daun selada yang telah diproses dan diaugmentasi. Tujuan dari penelitian ini adalah untuk menghasilkan model yang dapat mendeteksi pola dan anomali pada daun selada guna memprediksi kondisi kesehatannya secara otomatis dan akurat. Hasil pengujian menunjukkan bahwa model CNN yang dibangun memiliki akurasi yang tinggi dalam mengklasifikasikan kondisi daun selada, yang ditunjukkan oleh metrik evaluasi seperti grafik akurasi, loss, dan confusion matrix. Kesimpulan dari penelitian ini adalah bahwa penggunaan CNN terbukti efektif dalam mendeteksi kondisi kesehatan daun selada, serta dapat diimplementasikan sebagai alat bantu bagi petani untuk memantau kesehatan tanaman secara lebih efisien.
Export Record
Item Type: | Thesis (Undergraduate) |
---|---|
Additional Information: | Abigail Excelsis Deo (21410100045) |
Uncontrolled Keywords: | convolutional neural network, deep learning, hidroponik, prediksi kesehatan tanaman |
Dewey Decimal Classification: | 000 – Computer science, information & general works > 000 Computer science, knowledge & systems > 006 Special computer methods |
Divisions: | Fakultas Teknologi dan Informatika > S1 Sistem Informasi |
Depositing User: | Abigail Excelsis Deo |
Date Deposited: | 15 Aug 2024 13:06 |
Last Modified: | 15 Aug 2024 13:06 |
THESIS ADVISORS: |
1. Tutut Wurijanto, M.Kom. (NIDN : 0703056702)
|
URI: | http://repository.dinamika.ac.id/id/eprint/7730 |
Download Statistics
Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.
Actions (login required)
![]() |
View Item |