<![CDATA[Peningkatan tanaman tomat terjadi secara konsisten dari tahun ke tahun dan berkontribusi signifikan terhadap perekonomian nasional. Peningkatan kepadatan tanaman dan perluasan area panen dapat menciptakan kondisi yang ideal untuk penyebaran penyakit pada tanaman tomat, yang berpotensi mengancam hasil panen. Penelitian ini merancang model machine learning menggunakan algoritme Convolutional Neural Networks (CNN) untuk mendeteksi penyakit tanaman tomat dengan tingkat akurasi yang diperoleh mencapai 96%. Tingkat loss dari model tergolong rendah yaitu sekitar 13%, membuktikan bahwa prediksi model cukup dekat dengan kondisi sebenarnya. Hasil ini menunjukkan bahwa kinerja model efektif untuk mencegah penyebaran penyakit tanaman tomat dengan membantu mengidentifikasi penyakit lebih awal. Model machine learning diimplementasikan melalui Bot Telegram sebagai antarmuka pengguna, yang tidak hanya efektif dalam memberikan informasi deteksi penyakit tanaman tomat, tetapi juga memastikan informasi tersampaikan dengan efisien dan tepat. Analisis Quality of Service (QoS) dilakukan terhadap komunikasi antara pengguna dan server Telegram dengan mempertimbangkan parameter throughput, delay, dan packet delivery. Nilai QoS secara keseluruhan adalah berindeks 3 kategori “Memuaskan” sesuai standarisasi versi TIPHON. Nilai QoS tersebut didapatkan dari nilai parameter throughput dengan indeks 4 kategori “Sangat Bagus”, nilai parameter packet delivery dengan indeks 4 kategori “Sangat Bagus”, serta nilai parameter delay dengan indeks 4 kategori “Sangat Bagus”.]]>
Copyrights © 2024
