RANCANG BANGUN APLIKASI DETEKSI BIBIT TANAMAN SALAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEB

MAFTUKHAN, FAJAR (2026) RANCANG BANGUN APLIKASI DETEKSI BIBIT TANAMAN SALAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEB. Sarjana thesis, Universitas Pasir Pengaraian.

	Text COVER.pdf Download (834kB)
	Text BAB 1 2 3.pdf Download (633kB)
	Text BAB 4 5.pdf Restricted to Repository staff only Download (783kB) | Request a copy

Abstract

Tanaman salak merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomis tinggi di Indonesia. Namun, masyarakat khususnya para petani di Desa Rambah Muda kerap menghadapi kesulitan dalam membedakan jenis bibit salak pada tahap awal pertumbuhan (usia di bawah 1 tahun) karena kemiripan karakteristik visual pada daun. Untuk mengatasi masalah tersebut, penelitian ini bertujuan menerapkan metode Convolutional Neural Network (CNN) dalam membangun aplikasi deteksi jenis bibit tanaman salak berbasis web. Arsitektur deep learning yang digunakan sebagai backbone pada model CNN adalah ResNet- 50. Dataset yang digunakan berjumlah total 5.000 citra digital yang terbagi ke dalam 5 kelas, yaitu Salak Pondoh, Salak Pusaka, Salak Lokal, Salak Gading, dan kelas negatif Bukan_Salak. Pengembangan aplikasi web ini dibangun menggunakan Flask Framework. Hasil evaluasi model deep learning menunjukkan performa klasifikasi yang sangat baik dan presisi dalam membedakan varietas bibit salak. Selain itu, hasil pengujian sistem menggunakan Black-box Testing membuktikan bahwa seluruh fungsionalitas aplikasi berbasis web, seperti fitur unggah gambar, pengambilan foto melalui kamera, pemrosesan deteksi, hingga validasi ukuran file, telah berjalan dengan baik dan sesuai dengan kriteria yang diharapkan.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Bibit Salak, Convolutional Neural Network (CNN), ResNet-50, Web, Flask Framework, 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:	28 Sep 2026 03:19
Last Modified:	28 Sep 2026 03:19
URI:	http://repository.upp.ac.id/id/eprint/4924

Actions (login required)

View Item