Implementasi Convolutional Neural Network Untuk Klasifikasi Penyakit Daun Pisang Menggunakan Citra Digital

Septiyan, Sulton Ibnu (2026) Implementasi Convolutional Neural Network Untuk Klasifikasi Penyakit Daun Pisang Menggunakan Citra Digital. Skripsi thesis, Institut Teknologi Nasional Malang.

	Text 2218050_COVER.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (748kB)
	Text 2218050_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (240kB)
	Text 2218050_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (749kB) | Request a copy
	Text 2218050_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (902kB) | Request a copy
	Text 2218050_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (616kB) | Request a copy
	Text 2218050_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (224kB) | Request a copy
	Text 2218050_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (193kB)
	Text 2218050_LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) | Request a copy
	Text 2218050_JURNAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (855kB)

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit daun pisang berbasis pengolahan citra digital menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50V2. Dataset yang digunakan terdiri dari lima kategori, yaitu Cordana, Black Sigatoka, Yellow Sigatoka, Sehat, dan Non-Banana, yang dikumpulkan dari perkebunan PT Daun Kita Djoyo di Malang. Proses penelitian meliputi pengumpulan dan pelabelan data, pra-pemrosesan citra melalui penyesuaian ukuran menjadi 224×224 piksel, normalisasi, serta augmentasi dengan rotasi, zoom, dan flip. Pelatihan dan validasi model dilakukan menggunakan framework TensorFlow dan Keras pada platform Google Colab, kemudian diimplementasikan ke dalam aplikasi web berbasis Flask. Hasil pengujian menunjukkan bahwa model ResNet50V2 mencapai akurasi pelatihan sebesar 96,08% dan akurasi validasi sebesar 96,01%, dengan nilai loss masing-masing 0,13 dan 0,15. Pengujian terhadap data uji menghasilkan akurasi rata-rata sebesar 95,2% dengan confusion matrix yang menunjukkan tingkat presisi tinggi pada setiap kategori penyakit. Aplikasi web yang dikembangkan memungkinkan pengguna mengunggah citra daun pisang dan memperoleh hasil klasifikasi beserta nilai probabilitas prediksinya secara langsung.

Item Type:	Thesis (Skripsi)
Additional Information:	Sulton Ibnu Septiyan (2218050)
Uncontrolled Keywords:	Convolutional Neural Network, Flask, ResNet50V2, klasifikasi citra digital, penyakit daun pisang
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Sulton Ibnu Septiyan
Date Deposited:	06 Feb 2026 02:55
Last Modified:	06 Feb 2026 02:55
URI:	http://eprints.itn.ac.id/id/eprint/16027

Actions (login required)

View Item