Zain Fikri Hanastyono
Fakultas Ilmu Komputer, Universitas Brawijaya

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengembangan Aplikasi Mobile Pendeteksi Penyakit Pada Tanaman Cabai Dengan Menggunakan Ximilar Custom Image Recognition (Studi Kasus: Balai Pengkajian Teknologi Pertanian, Kecamatan Karangploso, Kota Malang) Zain Fikri Hanastyono; Issa Arwani; Handoko Handoko
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 4 No 4 (2020): April 2020
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (365.677 KB)

Abstract

Tanaman cabai merupakan tanaman sayuran buah yang sangat penting dan memiliki nilai ekonomis yang tinggi. Berdasarkan data dari Direktorat Jenderal Hortikultura Kementrian Pertanian produksi tanaman cabai sendiri mengalami peningkatan dan termasuk komoditas yang berkontribusi tinggi di Indonesia. Meskipun produksi tanaman cabai meningkat namun pada kenyataan di lapangan petani cabai mengalamai beberapa kendala, salah satu kendala tersebut adalah kurangnya pengetahuan mengenai penyakit pada tanaman cabai yang meliputi gejala, cara pengendalian, dan pestisida yang digunakan. Kemajuan teknologi memberikan banyak peluang untuk menyelesaikan permasalahan manusia. Penulis memanfaatkan peluang untuk mengembangkan aplikasi yang dapat membantu menyelesaikan permasalahan petani tanaman cabai mengenai pendeteksian penyakit pada tanaman cabai. Aplikasi yang dikembangkan memanfaatkan teknologi perangkat mobile yang ada saat ini. Layanan untuk melakukan pengidentifikasian penyakit tanaman cabai menggunakan Ximilar Custom Image Recognition yang merupakan web service pengenalan gambar. Fitur yang ada pada aplikasi disesuaikan dengan kebutuhan pengguna dengan menerapkan metode prototyping. Aplikasi dikembangkan pada platform Android dengan menggunakan bahasa pemrograman Java dan menggunakan design pattern Model-View-ViewModel. Hasil pengujian akurasi aplikasi ini adalah 87,5%.