Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Mahardhika, Bima
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 1 Documents
Search

 1 
Deteksi Penyakit pada Buah Alpukat MenggunakanMetode CNN Mahardhika, Bima; Mahdiyah, Umi; Resty Wulanningrum
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/wckb3g25

Abstract

Deteksi penyakit pada buah alpukat menjadi tantangan penting dalam meningkatkan produktivitas pertanian dan menjaga kualitas hasil panen. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit pada buah alpukat menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur MobileNet V2. Dataset citra buah alpukat dikumpulkan melalui observasi lapangan dan dokumentasi langsung di kebun, mencakup empat kategori: busuk, cabuk, lalat buah, dan sehat. Proses preprocessing mencakup segmentasi gambar dan konversi ke grayscale, diikuti dengan augmentasi data untuk memperkuat generalisasi model. Pelatihan model dilakukan menggunakan pembagian data sebesar 40% untuk pelatihan, 20% validasi, dan 40% pengujian. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 96,5%, dengan nilai precision, recall, dan f1-score yang tinggi untuk setiap kelas, terutama pada kelas cabuk (1.00). Hasil ini menunjukkan bahwa pendekatan berbasis CNN dengan arsitektur MobileNet V2 sangat efektif dalam mengidentifikasi penyakit pada buah alpukat. Sistem ini berpotensi diimplementasikan dalam aplikasi mobile untuk membantu petani mengidentifikasi kondisi buah secara cepat dan akurat.
Co-Authors Mahdiyah, Umi Resty Wulanningrum