Search for collections on Repository Universitas Islam Nusantara

+ Advanced search

RANCANG BANGUN SISTEM DETEKSI PENYAKIT TANAMAN TOMAT DAN REKOMENDASI PENANGANAN MENGGUNAKAN MODEL DEEP LEARNING MOBILENETV3

SULIWA, INDRA, INDRA SULIWA (2026) RANCANG BANGUN SISTEM DETEKSI PENYAKIT TANAMAN TOMAT DAN REKOMENDASI PENANGANAN MENGGUNAKAN MODEL DEEP LEARNING MOBILENETV3. S1 thesis, Universitas Islam Nusantara.

[img] Text (COVER)
COVER.pdf - Published Version
Download (440kB)
[img] Text (BAB I)
BAB I.pdf - Published Version
Download (557kB)
[img] Text (BAB II)
BAB II.pdf - Published Version
Download (1MB)
[img] Text (BAB III)
BAB III.pdf - Published Version
Download (2MB)
[img] Text (BAB IV)
BAB IV.pdf - Published Version
Restricted to Registered users only
Download (2MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Registered users only
Download (429kB)
[img] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version
Download (310kB)

Abstract

Penyakit daun tomat dapat menurunkan hasil panen secara signifikan, sementara identifikasi manual oleh petani rentan terhadap subjektivitas dan model kecerdasan buatan kerap mengalami pergeseran domain (domain shift) saat diuji di lapangan dengan akses internet yang terbatas. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan merancang sistem terpadu berupa aplikasi perangkat bergerak luring bernama TomatoCare AI menggunakan kerangka kerja Flutter, yang didistribusikan melalui portal web berbasis React dan Supabase. Sistem dikembangkan melalui metode prototyping, di mana model klasifikasi berarsitektur MobileNetV3 Small dilatih menggunakan 7.473 citra hibrida dari kumpul data PlantVillage dan perkebunan Pangalengan, lalu dikonversi ke format TensorFlow Lite untuk menjalankan inferensi secara lokal. Hasil evaluasi menunjukkan bahwa model mencapai tingkat akurasi sebesar 93,59%, dan pengujian langsung di area perkebunan menghasilkan akurasi sebesar 82,22%. Sebagai temuan baru, distribusi aplikasi diimplementasikan melalui portal web terpusat yang memfasilitasi manajemen rilis versi dan pencatatan statistik unduhan pengguna secara otomatis. Implikasi dari penelitian ini membuktikan bahwa TomatoCare AI efektif membantu petani mendiagnosis penyakit secara mandiri tanpa memerlukan konektivitas internet, sekaligus menyediakan ekosistem distribusi perangkat lunak yang terstruktur.

Item Type: Thesis (S1)
Subjects: L Education > L Education (General)
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Pertanian > Teknik Informatika (S1)
Depositing User: Indra Indra Suliwa Suliwa
Date Deposited: 03 Sep 2026 08:18
Last Modified: 03 Sep 2026 08:18
URI: http://repository.uninus.ac.id/id/eprint/1456

Actions (login required)

View Item View Item