IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK DAN TEKNIK KONVERSI WARNA HSV UNTUK KLASIFIKASI PENYAKIT DAUN CABA

NURLIANI, - (2025) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK DAN TEKNIK KONVERSI WARNA HSV UNTUK KLASIFIKASI PENYAKIT DAUN CABA. Sarjana thesis, Universitas Pasir Pengaraian.

	Text COVER.pdf Download (703kB)
	Text BAB 1 2 3.pdf Download (761kB)
	Text BAB 4 5.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penyakit pada daun cabai seperti leafcurl (keriting) dan yellowwiss (virus kuning) dapat menurunkan produktivitas tanaman secara signifikan. Identifikasi penyakit tanaman secara manual oleh petani cenderung memakan waktu yang panjang serta rentan terhadap kekeliruan, khususnya pada lahan yang luas. Penelitian ini bertujuan mengimplementasikan metode Convolutional Neural Network (CNN) yang dipadukan dengan teknik konversi warna HSV untuk meningkatkan akurasi klasifikasi penyakit daun cabai. Dataset yang digunakan terdiri dari 1.200 citra daun cabai yang terbagi ke dalam tiga kelas, yaitu daun sehat, daun keriting, dan daun kuning. Tahapan penelitian meliputi pre-processing (resize, normalisasi, konversi RGB–HSV, dan augmentasi data), pelatihan model CNN menggunakan Google Colab dengan pustaka TensorFlow dan Keras, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa penggunaan konversi warna HSV mampu meningkatkan kinerja CNN dibandingkan model berbasis RGB, dengan akurasi tertinggi mencapai 96 %, presisi 99 %, recall 99 %, dan F1-score 99 %. Temuan ini membuktikan bahwa integrasi CNN dengan ruang warna HSV dapat mendeteksi penyakit daun cabai secara otomatis, cepat, dan andal, sehingga berpotensi membantu petani dalam melakukan deteksi dini dan pengendalian penyakit secara lebih efisien.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Penyakit Daun Cabai, Convolutional Convolutional Neural Network, Klasifikasi Citra
Subjects:	Dewey decimal Classification Subject Areas > 000 Karya Umum > 000-009 Ilmu Umum dan Komputer
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Pustaka - -
Date Deposited:	04 Feb 2026 04:57
Last Modified:	04 Feb 2026 04:57
URI:	http://repository.upp.ac.id/id/eprint/3223

Actions (login required)

View Item