KLASIFIKASI PENYAKIT DAUN KELAPA SAWIT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Nurfadillah (2024), KLASIFIKASI PENYAKIT DAUN KELAPA SAWIT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) . Skripsi, Universitas Samudra.

ABSTRAK

Kelapa sawit adalah tanaman penghasil minyak nabati, merupakan salah satu tanaman perkebunan yang cukup banyak di Indonesia. Terlebih dari hal itu menjadikannya salah satu penyokong utama import dari salah satu hasil perkebunan Indonesia. Sebab tumbuhan ini memiliki potensi yang cukup besar dalam meningkatkan perekonomian dan kesejahteraan social bagi masyarakat. Sebagai akibatnya, perkebunan kelapa sawit di Indonesia semakin berkembang dan saat ini telah menyebar di 22 provinsi yang terletak di berbagai pulau di Indonesia. Namun permasalahan yang di hadapi tumbuhan kelapa sawit mudah terserang penyakit terutama pada daun kelapa sawit. Sedangkan hasil produksi kelapa sawit sangat berpengaruh terhadap kesehatan daun pohon. Infeksi penyakit dapat mengganggu produksi kelapa sawit dan oleh karena itu untuk memperoleh produksi yang maksimal, kesehatan daun pohon kelapa sawit sangat penting. Seiring waktu, orang mengembangkan pengetahuan dan teknologi untuk mendukung dan memfasilitasi pekerjaan mereka sehingga pada penelitian ini dibuat sebuah sistem deteksi penyakit daun kelapa sawit secara realtime dengan tujuan mengetahui akurasi pendeteksian penyakit daun kelapa sawit menggunakan Metode Convolutional Neural Network (CNN). Penelitian ini menggunakan data training sebanyak 150 data citra dan data testing sebanyak 20 data. Proses YOLOv4-CNN adalah hasil dari data yang telah dideteksi oleh YOLOv4 akan diklasifikasi modelnya oleh CNN dimana sebelumnya citra akan di resize sehingga seluruh data citra memiliki ukuran yang sama untuk memudahkan proses konvolusi. Hasil dari pendektesian penyakit daun kelapa sawit dengan metode CNN dapat dinilai bekerja dengan baik. Pengujian sistem pada Yolov4-CNN memperoleh akurasi sebesar 84%.

File ::(login required)