Search for collections on Undip Repository

Klasifikasi Penyakit Buah Mangga Menggunakan Algoritma Convolutional Neural Network (CNN) pada Aplikasi Android

UGRAHA, Hardatama Rakha (2025) Klasifikasi Penyakit Buah Mangga Menggunakan Algoritma Convolutional Neural Network (CNN) pada Aplikasi Android. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

[thumbnail of 1. Cover.pdf] Text
1. Cover.pdf

Download (45kB)
[thumbnail of 3. Pernyataan Orisinalitas.pdf] Text
3. Pernyataan Orisinalitas.pdf

Download (195kB)
[thumbnail of 4. Halaman Pengesahan Skripsi.pdf] Text
4. Halaman Pengesahan Skripsi.pdf

Download (409kB)
[thumbnail of 6. Kata Pengantar.pdf] Text
6. Kata Pengantar.pdf

Download (75kB)
[thumbnail of 7. Daftar Isi.pdf] Text
7. Daftar Isi.pdf

Download (70kB)
[thumbnail of 12. Abstrak.pdf] Text
12. Abstrak.pdf

Download (11kB)
[thumbnail of 13. Abstract.pdf] Text
13. Abstract.pdf

Download (11kB)
[thumbnail of 14. BAB I.pdf] Text
14. BAB I.pdf

Download (67kB)
[thumbnail of 19. Daftar Pustaka.pdf] Text
19. Daftar Pustaka.pdf

Download (145kB)

Abstract

Serangan penyakit pada buah mangga menjadi tantangan bagi petani karena
gejala yang mirip sering kali menyulitkan identifikasi secara visual. Penelitian ini
bertujuan untuk mengembangkan sistem klasifikasi penyakit buah mangga
menggunakan algoritma Convolutional Neural Network (CNN) berbasis aplikasi
Android. Model CNN yang dirancang terdiri dari beberapa lapisan konvolusi,
pooling, dropout, dan fully connected layer. Dataset yang digunakan mencakup
lima kelas: alternaria, antraknosa (antracnose), busuk jamur hitam (black mould
rot), buah sehat (healthy), dan busuk pangkal buah (stem end rot). Dataset yang
digunakan terdiri dari 1700 citra yang dibagi menjadi 80% data training, dan 20%
data test. Model dilatih menggunakan optimizer Adam dengan learning rate
tertentu dan dengan loss function categorical crossentropy. Hasil evaluasi model
terbaik diperoleh dengan menggunakan max pooling serta learning rate 0.001,
menunjukkan bahwa model yang dikembangkan mencapai akurasi sebesar 98.14%
dan loss sebesar 0.0801. Model ini kemudian dikonversi ke format TensorFlow Lite
dan diimplementasikan dalam aplikasi Android yang memungkinkan pengguna
melakukan klasifikasi penyakit buah mangga secara real-time atau melalui
unggahan gambar. Dengan pendekatan ini, aplikasi dapat membantu petani dan
masyarakat dalam mendeteksi penyakit pada buah mangga dengan lebih cepat dan
akurat.
Kata Kunci : Convolutional Neural Network, Mangga, Penyakit Buah, Klasifikasi
Citra, 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: 18 Nov 2025 11:19
Last Modified: 18 Nov 2025 11:19
URI: https://eprints2.undip.ac.id/id/eprint/41299

Actions (login required)

View Item View Item