SISTEM DETEKSI PENYAKIT PADA BUAH KAKAO MENGGUNAKAN METODE FASTER R-CNN

WULANDARI, CITRA DEA (2026) SISTEM DETEKSI PENYAKIT PADA BUAH KAKAO MENGGUNAKAN METODE FASTER R-CNN. Sarjana thesis, Universitas Pasir Pengaraian.

	Text COVER.pdf Download (785kB)
	Text BAB 1 2 3.pdf Download (650kB)
	Text BAB 4 5.pdf Restricted to Repository staff only Download (719kB) | Request a copy

Abstract

Buah kakao merupakan komoditas penting yang rentan terhadap penyakit Black Pod Rot dan hama Pod Borer. Identifikasi penyakit secara manual dinilai kurang efisien dan sangat subjektif. Oleh karena itu, penelitian ini bertujuan membangun sistem deteksi otomatis penyakit buah kakao berbasis Computer Vision menggunakan metode Faster Region-based Convolutional Neural Network (Faster R-CNN). Sistem ini menggunakan arsitektur Faster R-CNN dengan backbone MobileNetV3-Large FPN. Dataset dari Kaggle berjumlah 4.390 citra, terdiri atas kelas Healthy (3.344 citra), Black Pod Rot (943 citra), dan Pod Borer (103 citra). Data dibagi menjadi data latih 70% sebanyak 3.073 citra, validasi 15% sebanyak 658 citra, dan uji 15% sebanyak 569 citra. Model ini kemudian diimplementasikan ke dalam aplikasi web interaktif "CocoaVision" menggunakan kerangka kerja Streamlit berbasis Python. Berdasarkan pengujian, model terbaik dicapai pada epoch ke-23 dengan validation loss 0,1171. Pengujian data uji menghasilkan akurasi keseluruhan sebesar 96,66%, dengan rata-rata makro precision, recall, dan F1-score masing-masing mencapai 94,00%, 93,00%, dan 93,00%. Nilai F1-score per kelas yaitu 98,01% (Healthy), 92,63% (Black Pod Rot), dan 89,66% (Pod Borer). Hasil ini membuktikan bahwa metode Faster R- CNN mampu mendeteksi penyakit kakao dengan presisi, sehingga menjadi solusi praktis bagi para petani.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Deteksi Objek, Buah Kakao, Penyakit Kakao, Deep Learning, Faster R-CNN, Computer Vision
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:	28 Sep 2026 03:43
Last Modified:	28 Sep 2026 03:43
URI:	http://repository.upp.ac.id/id/eprint/4935

Actions (login required)

View Item