eprintid: 6436
rev_number: 18
eprint_status: archive
userid: 1735
dir: disk0/00/00/64/36
datestamp: 2026-09-11 02:29:18
lastmod: 2026-09-11 02:29:18
status_changed: 2026-09-11 02:29:18
type: thesis
metadata_visibility: show
creators_name: Nanang Supriyadi, Supriyadi
contributors_name: Heru Prastiyono, Prastiyono
contributors_name: Faisal Ashari, Ashari
corp_creators: Universitas Bojonegoro
title: Desain Sistem Deteksi Penyakit Daun Untuk Tanaman Multi Jenis Berbasis Convolutional Neural Network (CNN) Untuk Membantu Petani Pemula
ispublished: pub
subjects: CN
divisions: ti
keywords: penyakit daun tanaman, CNN, YOLOv8, kotak uji, Edge Impulse, petani pemula.
note: 22262011046
abstract: Penyakit daun pada tanaman padi, cabai, dan terong merupakan salah satu faktor utama yang menurunkan produktivitas pertanian. Identifikasi manual memiliki keterbatasan berupa subjektivitas tinggi dan memakan waktu yang lama. Penelitian ini bertujuan merancang sistem deteksi penyakit daun tanaman multi jenis berbasis Convolutional Neural Network (CNN) dengan bantuan box akrilik hitam (20×16×18 cm) dan pencahayaan LED 5V untuk menjamin konsistensi akuisisi citra via smartphone. Dataset yang digunakan berjumlah 2.974 citra yang terbagi ke dalam tujuh kelas penyakit daun. Pelatihan model menggunakan arsitektur YOLOv8 berbasis CNN dilakukan melalui Google Collab dan diimplementasikan menggunakan platform Edge Impulse. Hasil pelatihan model menunjukkan performa yang sangat baik, precision sebesar  94.54%, recall sebesar 88,14 F1-Score sebesar 91,49%. Uji kinerja web detection secara riil di lapangan menggunakan smartphone dengan 210 sampel baru di dalam box menghasilkan nilai akurasi sebesar 80,48%, rata-rata presisi 90,80%, recall 87,50%, dan F1-score 89,08%. Evaluasi tingkat kesalahan prediksi menunjukkan nilai MAE sebesar 0,667, RMSE sebesar 0,86, dan MAPE sebesar 18,61% yang termasuk dalam kategori "Baik" (Good Prediction). Penggunaan kotak uji terbukti efektif menghasilkan citra yang konsisten sehingga menjaga stabilitas performa model. Sistem ini diharapkan dapat menjadi solusi digital yang cepat, objektif, dan akurat dalam membantu petani pemula meminimalkan risiko gagal panen.
date: 2026-07-29
date_type: published
full_text_status: restricted
institution: Sains dan Teknik
department: Teknik Industri
thesis_type: bachelor
thesis_name: sarjana
citation:   Nanang Supriyadi, Supriyadi  (2026) Desain Sistem Deteksi Penyakit Daun Untuk Tanaman Multi Jenis Berbasis Convolutional Neural Network (CNN) Untuk Membantu Petani Pemula.  Bachelor thesis, Sains dan Teknik.   
document_url: https://repository.unigoro.ac.id/id/eprint/6436/1/ABSTRAK.pdf
document_url: https://repository.unigoro.ac.id/id/eprint/6436/2/BAB%20I.pdf
document_url: https://repository.unigoro.ac.id/id/eprint/6436/3/BAB%20II.pdf
document_url: https://repository.unigoro.ac.id/id/eprint/6436/4/BAB%20III.pdf
document_url: https://repository.unigoro.ac.id/id/eprint/6436/5/BAB%20IV.pdf
document_url: https://repository.unigoro.ac.id/id/eprint/6436/6/BAB%20V.pdf
document_url: https://repository.unigoro.ac.id/id/eprint/6436/7/LAMPIRAN.pdf