RANCANG BANGUN APLIKASI BERBASIS ANDROID UNTUK DETEKSI PENYAKIT HUANGLONGBING PADA TANAMAN JERUK DENGAN CONVOLUTIONAL NEURAL NETWORK

PRADANA, RADITYA ARIYANTA (2023) RANCANG BANGUN APLIKASI BERBASIS ANDROID UNTUK DETEKSI PENYAKIT HUANGLONGBING PADA TANAMAN JERUK DENGAN CONVOLUTIONAL NEURAL NETWORK. Tugas Akhir/Skripsi thesis, Universitas Ma Chung.

Preview

Text 01- 311910020 RADITYA ARIYANTA PRADANA.pdf Download (2MB) | Preview

Abstract

Jeruk merupakan buah yang kaya akan vitamin C yang bermanfaat bagi
kesehatan tubuh. Salah satu permasalahan yang dihadapi dalam memenuhi
kebutuhan buah jeruk adalah penyakit yang menyerang pohon jeruk yaitu
HuangLongBing atau HLB. Deteksi penyakit HLB masih sulit dilakukan jika tidak
didampingi oleh para ahli. Pembuatan model klasifikasi dengan algoritma
Convolutional Neural Network untuk mengenali gambar dengan kondis berbeda.
Model CNN dibangun dengan arsitektur AlexNet, VGG16, dan SqueezeNet dan
metode Optimasi Adam dan Adamax. Model yang berhasil dibuat terdiri dari 6
model yaitu AlexNet_Adam, AlexNet_Adamax, VGG16_Adam, VGG16_Adamax, SqueezeNet_Adam, dan SqueezeNet_Adamax. Pengujian dilakukan dengan
melihat akurasi dan loss pada saat training, validation, dan test. Model dengan
arsitektur VGG16 dan metode optimasi Adam ditentukan sebagai model terbaik
dengan hasil akurasi yang paling baik pada training dengan akurasi sebesar 96%,
validation dengan akurasi 85,7%, dan test dengan akurasi 92,8%. Model dengan
arsitektur AlexNet memiliki ukuran file yang paling besar dengan ukuran 500 MB.
Arsitektur VGG16 menghasilkan model dengan ukuran file 200 MB. Ukuran file
paling kecil dihasilkan oleh arsitektur SqueezeNet dengan ukuran 2 MB. Model
dengan arsitektur AlexNet tidak dapat melakukan prediksi karena ukuran file yang
sangat besar sehingga tidak dapat mengetahui waktu yang dibutuhkan aplikasi
untuk melakukan prediksi. Model dengan arsitektur VGG16 membutuhkan waktu
sekitar 9 detik untuk melakukan prediksi. Sedangkan model dengan arsitektur
SqueezeNet membutuhkan waktu kurang dari satu detik untuk melakukan prediksi.

Kata Kunci: AlexNet, Convolutional Neural Network, HuangLongBing,
SqueezeNet, VGG16

Item Type:	Thesis (Tugas Akhir/Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi dan Desain > S1 Teknik Informatika
Depositing User:	umclibs1
Date Deposited:	04 Feb 2026 07:03
Last Modified:	04 Feb 2026 07:03
URI:	http://repository.machung.ac.id/id/eprint/1163

Actions (login required)

View Item