PERANCANGAN SISTEM DETEKSI PENYAKIT PADA TANAMAN STROBERI DENGAN CNN TERINTEGRASI IOT (INTERNET OF THINGS) | L2P UNIVERSITAS MUHAMMADIYAH PONOROGO
Beranda Tentang Kami Berita
  • E-Resources
    Indonesiana
    • Batavia Digital
    • Candi di Indonesia
    • Dokumentasi Perfilman Indonesia
    • Dokumentasi Sastra Indonesia
    • Kepustakaan Presiden RI
    • Keraton Nusantara
    • Pernaskahan Nusantara
    • Kepustakaan Tokoh Perfilman
    • Khasanah Pustaka Nusantara
    • Perpuspedia
    Pencarian
    • DOAJ
    • Google Scholar
    • JDIH
    • Bibliografi Nasional Indonesia
    • Katalog Induk Nasional
    • Bursa Efek Indonesia
    Alat
    • Mendeley
    • Zotero
    • Publish or Perish
    • Vos Viewer
    Sumber Belajar
    • Perpustakaan Digital
    • TED
    • Google Experiments
    • Sumber Belajar Kemdikbud
    • Ebook
  • Bantuan
    • Member Area
    • Beranda
    • Tentang Kami
    • Berita
    • Bantuan

    L2P UNIVERSITAS MUHAMMADIYAH PONOROGO

    Universitas Muhammadiyah Ponorogo


    Temukan setiap halaman yang menunggu untuk dibaca, setiap pengetahuan yang siap mengubah dunia.


    Pencarian Lanjutan
    Pencarian Spesifik

    PERANCANGAN SISTEM DETEKSI PENYAKIT PADA TANAMAN STROBERI DENGAN CNN TERINTEGRASI IOT (INTERNET OF THINGS)

    MAHARDIKA YOSHI PUTRA (21533521) - Nama Orang;

    Skripsi · 2025

    Tanaman stroberi merupakan komoditas unggulan di daerah dataran tinggi, namun rentan terserang penyakit seperti antraknosa, jamur abu-abu, dan bercak daun yang dapat menurunkan hasil panen secara signifikan. Penelitian ini bertujuan untuk merancang sistem deteksi penyakit stroberi secara otomatis menggunakan algoritma Convolutional Neural Network (CNN) yang terintegrasi dengan perangkat Internet of Things (IoT) untuk penyemprotan pestisida otomatis. Dataset yang digunakan terdiri dari 1500 citra daun dan buah stroberi, diklasifikasikan ke dalam lima kelas: daun sehat, buah sehat, antraknosa, jamur abu-abu, dan bercak daun. Model CNN dirancang dari awal tanpa transfer learning, dengan preprocessing, augmentasi data, dan pelatihan menggunakan TensorFlow dan Keras. Sistem deteksi diimplementasikan dalam bentuk aplikasi web berbasis Flask yang memungkinkan pengguna mengunggah gambar tanaman untuk dideteksi. Jika teridentifikasi penyakit, sistem akan mengirim perintah melalui protokol MQTT ke NodeMCU ESP8266 untuk mengaktifkan relay dan menyemprotkan pestisida secara otomatis, Pengujian menunjukkan bahwa model CNN mencapai akurasi 90% dalam klasifikasi gambar, dan sistem IoT mampu merespons perintah dengan latensi rata-rata rendah serta durasi penyemprotan yang tepat. Sistem ini mampu meningkatkan efektivitas deteksi dan penanganan penyakit secara real-time di lapangan, sehingga berpotensi membantu petani dalam menjaga produktivitas tanaman stroberi.

    Penanda Bagikan
    Image of PERANCANGAN SISTEM DETEKSI PENYAKIT PADA TANAMAN STROBERI DENGAN CNN TERINTEGRASI IOT (INTERNET OF THINGS)

    About this edition
    Edisi: -
    ISBN/ISSN: -
    Page count: xxxvi, 82 p, 30 cm.
    Published: 2025
    Format: text
    Penerbit: TEKNIK UNMUH PONOROGO
    Bahasa: Indonesia
    Tipe Isi: text
    Tipe Media: -
    Tipe Pembawa: -
    Ketersediaan
    #
    Prodi Teknik Informatika (Rak Koleksi Khusus) 87 PUT p FT-2025
    KK1241FT
    Tersedia namun tidak untuk dipinjamkan - No Loan
    Subjek
    CNN
    Flask
    Deteksi Penyakit
    Stroberi
    Versi lain/terkait

    Tidak tersedia versi lain

    Lampiran Berkas
    Tidak Ada Data
    Komentar

    Anda harus masuk sebelum memberikan komentar

    Di Antara Kata, Kita Bertumbuh.

    L2P UNIVERSITAS MUHAMMADIYAH PONOROGO
    Universitas Muhammadiyah Ponorogo

    • Informasi
    • Layanan
    • Pustakawan
    • Area Anggota

    Tentang Kami

    As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

    Statistik Pengunjung Web

    Hari ini : 245 1 Pekan Terakhir : 1542 1 Bulan Terakhir : 6365 1 Tahun : 76365

    Cari

    masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

    Donasi untuk SLiMS Kontribusi untuk SLiMS?

    © L2P UNIVERSITAS MUHAMMADIYAH PONOROGO | Universitas Muhammadiyah Ponorogo