Fauzi, Rijal (2026) IMPLEMENTASI ALGORITMA K-MEANS DALAM SEGMENTASI CITRA DAUN CABAI UNTUK DETEKSI PENYAKIT (HAMA) MENGGUNAKAN TEKNIK CLUSTERING BERBASIS PYTHON. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text (Bab 2)
Rijal Fauzi_3337210003_02.pdf Download (534kB) |
|
Text (Bab 3)
Rijal Fauzi_3337210003_03.pdf Download (183kB) |
|
Text (Bab 4)
Rijal Fauzi_3337210003_04.pdf Download (1MB) |
|
Text (Lampiran)
Rijal Fauzi_3337210003_Lamp.pdf Download (175kB) |
|
Text (Daftar Refrensi)
Rijal Fauzi_3337210003_Ref.pdf Download (179kB) |
|
Text
Rijal Fauzi_3337210003_CP.pdf Download (13MB) |
|
Text (Bab 3)
Rijal Fauzi_3337210003_03.pdf Download (183kB) |
|
Text (Fulltext)
Rijal Fauzi_3337210003_Fulltext.pdf Download (2MB) |
|
Text (Bab 1)
Rijal Fauzi_3337210003_01.pdf Download (1MB) |
|
Text (Bab 5)
Rijal Fauzi_3337210003_05.pdf Download (143kB) |
Abstract
Penelitian ini bertujuan mengembangkan sistem otomatis deteksi penyakit daun cabai untuk mengatasi keterbatasan identifikasi visual secara manual. Metodologi yang digunakan adalah CRISP-DM, dimulai dari preprocessing hingga klasifikasi. Citra daun disegmentasi menggunakan algoritma K-Means Clustering untuk memisahkan objek, kemudian diklasifikasikan menggunakan model CNN MobileNetV2 ke dalam kelas sehat dan sakit. Hasil pengujian menunjukkan bahwa kombinasi K-Means dan MobileNetV2 mampu menghasilkan performa klasifikasi yang tinggi dan stabil. Sistem ini efektif sebagai alat bantu deteksi dini penyakit tanaman cabai untuk mendukung produktivitas pertanian. Kata Kunci: Cabai, K-Means, MobileNetV2, Segmentasi, CNN.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | Penelitian ini bertujuan mengembangkan sistem otomatis deteksi penyakit daun cabai untuk mengatasi keterbatasan identifikasi visual secara manual. Metodologi yang digunakan adalah CRISP-DM, dimulai dari preprocessing hingga klasifikasi. Citra daun disegmentasi menggunakan algoritma K-Means Clustering untuk memisahkan objek, kemudian diklasifikasikan menggunakan model CNN MobileNetV2 ke dalam kelas sehat dan sakit. Hasil pengujian menunjukkan bahwa kombinasi K-Means dan MobileNetV2 mampu menghasilkan performa klasifikasi yang tinggi dan stabil. Sistem ini efektif sebagai alat bantu deteksi dini penyakit tanaman cabai untuk mendukung produktivitas pertanian. Kata Kunci: Cabai, K-Means, MobileNetV2, Segmentasi, CNN. | |||||||||
| Subjects: | T Technology > T Technology (General) | |||||||||
| Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 55201-Jurusan Teknik Informatika |
|||||||||
| Depositing User: | Mrs Rijal Fauzi | |||||||||
| Date Deposited: | 03 Feb 2026 05:05 | |||||||||
| Last Modified: | 03 Feb 2026 05:05 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/57932 |
Actions (login required)
 |
View Item |