SKRIPSI DIGITAL
Implementasi Algoritma Convolutional Neural Network (Cnn) Untuk Deteksi Penyakit Daun Jagung Berbasis Android = Implementation Of Convolutional Neural Network (Cnn) Algorithm For Detecting Maize Leaf Disease Based On Android
Jagung (Zea mays L.) merupakan salah satu komoditas pangan utama di Indonesia yang rentan terhadap berbagai penyakit daun, seperti hawar, bercak, karat, dan bulai. Deteksi penyakit secara manual oleh petani masih memiliki kelemahan, terutama dari segi akurasi dan efisiensi waktu. Oleh karena itu, penelitian ini dilakukan untuk mengembangkan sistem deteksi otomatis penyakit daun jagung menggunakan teknologi deep learning yang dapat diakses melalui aplikasi Android. Pengembangan model klasifikasi citra daun jagung dilakukan dengan pendekatan CRISP-DM, sedangkan pembuatan aplikasi mengikuti metode Waterfall. Dataset yang digunakan terdiri dari 2.760 gambar daun jagung, yang dikumpulkan dari lahan pertanian di Kabupaten Kendal. Lima arsitektur CNN pre-trained dibandingkan, yaitu ResNet50, VGG16, MobileNetV2, NasNetMobile, dan EfficientNetB0. Hasil evaluasi menunjukkan bahwa model ResNet50 memberikan kinerja paling optimal dengan akurasi pengujian sebesar 97,10% dan rata-rata akurasi K-Fold Cross Validation sebesar 96,38%, yang menunjukkan kestabilan dan keandalan model. Model terpilih kemudian dikonversi ke format TensorFlow Lite dan berhasil diintegrasikan ke dalam aplikasi Android berbasis Flutter. Uji coba kepada 35 responden menghasilkan tingkat kepuasan sebesar 86,91% dalam kategori “Sangat Puas”. Hal ini membuktikan bahwa aplikasi yang dikembangkan memiliki potensi besar untuk membantu petani dalam mendeteksi penyakit daun jagung.
Kata Kunci: Jagung, Deteksi Penyakit Daun, Deep Learning, CNN, Aplikasi Android.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah