ENDRAWALA Primary Author mixed material bibliography 2024 id Indonesia

Text

Penelitian ini mengembangkan model Convolutional Neural Network (CNN) menggunakan TensorFlow untuk mendeteksi penyakit pada pohon pisang, yang disimpan dalam format h5 dan dikonversi menjadi TensorFlow Lite (TFLite) untuk diimplementasikan dalam aplikasi Android. Dataset yang digunakan berasal dari Banana Disease Recognition Dataset di Kaggle terdiri dari 408 gambar dengan 7 kelas penyakit yang berbeda. Melalui augmentasi data, jumlah gambar meningkat menjadi 1.211 untuk melatih model CNN yang dirancang dengan beberapa lapisan konvolusi, pooling, dan fully connected untuk klasifikasi. Model ini dilatih dengan pembagian data 55% untuk pelatihan, 15% untuk validasi, 15% untuk pengujian, dan 15% untuk pengujian peer kelas. Model CNN memiliki beberapa lapisan konvolusi dan pooling serta fully connected untuk klasifikasi, mencapai akurasi 96% pada data uji dengan nilai loss 12%. Aplikasi Android yang dihasilkan memungkinkan prediksi langsung pada perangkat mobile, menyediakan alat yang efisien untuk pemantauan penyakit tanaman. ENDRAWALA Aplikasi Android CNN TensorFlow TFLite Deteksi Penyakit Tanaman NONE Institutional Repository USNI Universitas Satya Negara Indonesia 8240343 Perpustakaan USNI Kampus B (SKRIPSI) ANALISIS PENYAKIT POHON PISANG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK 3809 2024-09-02 09:40:09 2024-09-02 09:42:42 machine generated