Search for collections on Undip Repository

Pengembangan Sistem Deteksi Penyakit Buah Jambu Biji dengan Metode Convolutional Neural Network (CNN) berbasis Android

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.

[thumbnail of (1) Halaman Cover.pdf] Text
(1) Halaman Cover.pdf

Download (218kB)
[thumbnail of (4) Halaman Pengesahan.pdf] Text
(4) Halaman Pengesahan.pdf

Download (349kB)
[thumbnail of (6) Kata Pengantar.pdf] Text
(6) Kata Pengantar.pdf
Restricted to Repository staff only

Download (269kB) | Request a copy
[thumbnail of (7) Daftar Isi.pdf] Text
(7) Daftar Isi.pdf

Download (291kB)
[thumbnail of (12) Abstrak.pdf] Text
(12) Abstrak.pdf

Download (250kB)
[thumbnail of (13) Bab 1.pdf] 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 View Item