Identifikasi Jenis Serangan Hama Pada Buah Kakao Menggunakan Image Processing = Identification Types Of Pest On Cacao Pod Using Image Processing


Musfirah, Nurul (2023) Identifikasi Jenis Serangan Hama Pada Buah Kakao Menggunakan Image Processing = Identification Types Of Pest On Cacao Pod Using Image Processing. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
D42116521_skripsi_04-08-2023 caver1.jpg

Download (228kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
D42116521_skripsi_04-08-2023 bab 1-2.pdf

Download (1MB)
[thumbnail of Dapus] Text (Dapus)
D42116521_skripsi_04-08-2023 dp.pdf

Download (4MB)
[thumbnail of Full Text] Text (Full Text)
D42116521_skripsi_04-08-2023.pdf
Restricted to Repository staff only until 25 January 2026.

Download (6MB)

Abstract (Abstrak)

Kakao (Theobroma cacao L.) merupakan salah satu komoditas unggulan strategis perkebunan yang memegang peranan penting dalam perekonomian Indonesia sebagai penghasil devisa negara. Terlepas dari potensinya, menurut Intenational Cocoa Organization (ICCO) produksi kakao mengalami penurunan dari tahun ke tahun. Salah satu penyebabnya yaitu adanya serangan hama, Tanaman yang terserang hama dapat menurunkan kualitas biji kakao dan yang terparah dapat merusak biji kakao. Pada tanaman kakao kebanyakan hama menyerang pada bagian buah. Buah kakao yang terkena serangan hama akan menampakkan gejala berupa bercak yang memiliki pola dan warna tertentu pada buah. Identifikasi jenis serangan hama pada buah kakao akan bermanfaat untuk mengindentifikasi gejala serangan pada buah kakao sehingga dapat segera dilakukan tindakan preventif pada tanaman kakao yang terserang hama. Terdapat beberapa jenis serangan hama yang akan di identifikasi berdasarkan pola dan warnanya yaitu kepik buah kakao (Helopeltis.Sp), kutu putih dan tikus atau tupai. Pada penelitian ini akan dibuat sistem untuk mengidentifikasi jenis serangan hama dari citra buah kakao. Sistem ini menggunakan deep learning dengan metode transfer learning dengan algoritma Convolutional Neural Network (CNN) Arsitektur VGG16. Arsitektur VGG16 di modifikasi dan di training menggunakan 500 data citra dengan 4 label kelas. Adapun label pada tiap kelas yaitu helopeltis, kutu putih, tikus atau tupai, dan normal. Sistem kemudian di training menggunakan konfigurasi parameter dengan learning rate 10-5, batchsize 5, dan epoch 4. Model yang telah di training, kemudian diuji menggunakan 48 data testing, dan mendapatkan akurasi tertinggi 97.9%.

Keywords : Identifikasi serangan hama, buah kakao, deep learning, VGG16

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Pests Identification, Cacao Pod, Deep Learning, VGG16
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: S.Sos Rasman -
Date Deposited: 14 May 2024 03:30
Last Modified: 14 May 2024 03:30
URI: http://repository.unhas.ac.id:443/id/eprint/32431

Actions (login required)

View Item
View Item