Agung, Agung (2026) Klasifikasi Penyakit Tanaman Tebu Berdasarkan Citra Daun Menggunakan Model Deep Learning ConvNeXt V2. Diploma thesis, Universitas Islam Indragiri.
![[thumbnail of 403221010076-Agung-Awal.pdf]](https://repository.unisi.ac.id/style/images/fileicons/text.png "403221010076-Agung-Awal.pdf") |
Text
403221010076-Agung-Awal.pdf Download (1MB) |
|
Text
403221010076-Agung-Bab 1.pdf Download (411kB) |
|
Text
403221010076-Agung-Bab 2.pdf Download (476kB) |
|
Text
403221010076-Agung-Bab 3.pdf Download (559kB) |
|
Text
403221010076-Agung-Bab 4.pdf Restricted to Repository staff only Download (841kB) |
|
Text
403221010076-Agung-Bab 5.pdf Download (329kB) |
|
Text
403221010076-Agung-Akhir.pdf Download (708kB) |
|
Text
SKRIPSI AGUNG SI 27_Turnitin.pdf Download (2MB) |
Abstract
Produktivitas tebu, komoditas penting bagi petani dan pelaku UMKM di Tembilahan, kerap terganggu oleh penyakit seperti Busuk Merah, Mozaik, dan Karat yang sulit dikenali secara cepat dan akurat melalui inspeksi visual manual. Penelitian ini mengembangkan sistem klasifikasi penyakit tanaman tebu berbasis citra daun menggunakan arsitektur deep learning ConvNeXt V2 Tiny untuk lima kelas, yaitu Busuk Merah, Mozaik, Karat, daun sehat, dan daun menguning. Dataset penelitian berjumlah 2.948 citra, berasal dari kombinasi data primer di lapangan dan data sekunder dari Kaggle. Model dilatih menggunakan pendekatan transfer learning dengan skema Stratified K-Fold Cross Validation (K=6), sementara data lapangan digunakan sebagai data uji yang terpisah dan tidak pernah dilihat model selama pelatihan. Hasil pelatihan menunjukkan rata-rata val_accuracy sebesar 98,49% ± 0,58% pada seluruh fold. Pada tahap pengujian akhir, model ensemble dari fold-fold terbaik berhasil mencapai akurasi sebesar 96,25% dengan precision, recall, dan F1-score yang tinggi dan seimbang di seluruh kelas. Performa ini juga unggul dibandingkan arsitektur CNN lain, yaitu ResNet-50 (87,35%) dan EfficientNetV2-S (83,37%). Sistem klasifikasi ini selanjutnya diimplementasikan ke dalam aplikasi web SugarScan, yang memungkinkan petani mengunggah atau memotret daun tebu dan memperoleh hasil diagnosis beserta rekomendasi penanganan secara langsung. Penelitian ini membuktikan bahwa ConvNeXt V2 efektif dan praktis digunakan untuk deteksi dini penyakit tanaman tebu.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | ConvNeXt V2, deep learning, klasifikasi citra, penyakit tebu, computer vision |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi |
| Depositing User: | Nilam Sari |
| Date Deposited: | 23 Sep 2026 09:03 |
| Last Modified: | 23 Sep 2026 09:03 |
| URI: | http://repository.unisi.ac.id/id/eprint/1192 |
Actions (login required)
 |
View Item |