Saputra, Indra, Indra Saputra (2025) IMPLEMENTASI MODEL DENSENET BERBASIS DEEP LEARNING UNTUK KLASIFIKASI GAMBAR HAMA PADA TANAMAN PADI. S1 thesis, Universitas Islam Nusantara.

	Text (Skripsi Tugas Akhir - Indra Saputra) Indra Saputra_41037002211020.pdf - Published Version Download (2MB)
	Text (Skrispi Tugas Akhir - Indra Saputra) view_usp=drive_link - Published Version Download (72kB)

Abstract

Serangan hama pada tanaman padi merupakan salah satu faktor utama yang menyebabkan penurunan produktivitas hasil pertanian di Indonesia. Deteksi dini terhadap jenis hama sangat penting agar penanganan dapat dilakukan secara cepat dan tepat. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi gambar hama tanaman padi menggunakan metode CNN dengan arsitektur DenseNet dan mengintegrasikannya ke dalam aplikasi berbasis web menggunakan Streamlit. Dataset yang digunakan terdiri dari enam kelas hama utama pada tanaman padi, seperti belalang, ulat grayak, tikus sawah dan lainnya. Data kemudian melalui tahap preprocessing dan augmentasi untuk meningkatkan performa model. Model dilatih dengan beberapa rasio pembagian data pelatihan dan validasi, seperti 70:30, dan 80:20. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1score. Hasil pelatihan menunjukkan bahwa DenseNet mampu mengklasifikasikan jenis hama dengan tingkat akurasi tinggi, mencapai lebih dari 80% pada konfigurasi optimal. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi web interaktif, yang memungkinkan pengguna mengunggah gambar hama dan mendapatkan hasil klasifikasi beserta informasi solusi penanganannya secara otomatis. Sistem ini diharapkan dapat membantu petani dan penyuluh pertanian dalam melakukan deteksi cepat dan pengambilan keputusan yang tepat terhadap serangan hama di lapangan.

Actions (login required)

View Item