HANTORO, Azaki Fathoni (2025) Pengembangan Sistem Deteksi Penyakit Buah Jambu Biji dengan Metode Convolutional Neural Network (CNN) berbasis Android. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.
|
Text
(1) Halaman Cover.pdf Download (218kB) |
|
|
Text
(4) Halaman Pengesahan.pdf Download (349kB) |
|
|
Text
(6) Kata Pengantar.pdf Restricted to Repository staff only Download (269kB) | Request a copy |
|
|
Text
(7) Daftar Isi.pdf Download (291kB) |
|
|
Text
(12) Abstrak.pdf Download (250kB) |
|
|
Text
(13) Bab 1.pdf Download (248kB) |
Abstract
ABSTRAK
Penyakit pada buah jambu biji dapat menurunkan kualitas hasil panen dan
berdampak pada kerugian ekonomi petani. Oleh karena itu, deteksi dini terhadap
penyakit pada buah jambu biji menjadi hal yang penting. Penelitian ini bertujuan
untuk mengembangkan model klasifikasi penyakit buah jambu biji menggunakan
algoritma Convolutional Neural Network (CNN) dan mengimplementasikannya
dalam bentuk aplikasi Android berbasis TensorFlow Lite. Model CNN dilatih
menggunakan dataset gambar jambu biji dengan tiga kategori, yaitu anthracnose,
fruit fly, dan healthy guava. Dalam proses pelatihan, digunakan beberapa
eksperimen arsitektur, seperti EfficientNetB0, ResNet50, dan custom CNN. Hasil
terbaik diperoleh dari arsitektur EfficientNetB0 dengan akurasi sebesar 99,91% dan
nilai loss 0,0027. Model kemudian dikonversi ke dalam format .tflite agar dapat
diintegrasikan ke aplikasi Android secara efisien Aplikasi Android dikembangkan
menggunakan Android Studio dengan bahasa pemrograman Kotlin. Aplikasi ini
dilengkapi dengan fitur kamera dan galeri, serta pemotongan gambar menggunakan
UCrop untuk membantu pengguna memilih bagian buah yang relevan. Proses
klasifikasi dilakukan secara offline dan hasilnya ditampilkan dalam bentuk label
penyakit beserta tingkat confidence dalam bentuk persentase. Dengan pendekatan
ini, aplikasi yang dikembangkan dapat menjadi solusi portabel untuk membantu
petani mendeteksi penyakit pada buah jambu biji secara cepat, akurat, dan tanpa
memerlukan koneksi internet.
Kata kunci: Jambu biji, CNN, klasifikasi penyakit, TensorFlow Lite, Android.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | Sciences and Mathemathic |
| Divisions: | Faculty of Science and Mathematics > Department of Physics |
| Depositing User: | Yemima Laras Sekarsari |
| Date Deposited: | 08 Oct 2025 10:40 |
| Last Modified: | 08 Oct 2025 10:40 |
| URI: | https://eprints2.undip.ac.id/id/eprint/39767 |
Actions (login required)
![]() |
View Item |
