DETEKSI HAMA DAN PENYAKIT PADA TANAMAN KENAF BERDASARKAN DAUN MENGGUNAKAN METODE FASTER REGIONAL BASED CONVOLUTIONAL NEURAL NETWORK
| Main Author: | Rakhmandasari, Alfita |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/185490/1/TESIS_FILKOM_ALFITA-RAKHMANDASARI_166150100111017%20-%20ALFITA%20RAKHMANDASARI.pdf http://repository.ub.ac.id/185490/ |
Daftar Isi:
- Tanaman kenaf merupakan tanaman serat diambil kulit batangnya dan digunakan sebagai bahan baku pembuatan geo-tekstil, pulp, fiber drain, papan partikel, papan serat, dan kertas kualitas tinggi. Hal yang mempengaruhi menurunnya perkembangan adalah produksinya yang rendah dikarenakan lahan yang tepat untuk perkembangan terbatas, munculnya bahan plastik, harga sarana untuk produksi tinggi, harga serat relatif rendah, serta gangguan dari hama dan penyakit. Di Indonesia, hama dan penyakit yang saat ini banyak ditemukan adalah hawar daun, sundapteryx, dan tungau. Oleh karena itu perlu dilakukan pendeteksian dini untuk serangan hama dan penyakit agar bisa dikendalikan dengan baik. Sistem deteksi dini bisa dilakukan dengan menggunakan metode object detection. Pada penelitian ini, Faster Regional Based Convolutional Neural Network (Faster RCNN) digunakan untuk membantu pendeteksian hama dan penyakit pada tanaman kenaf. Model pengujian terbaik mendapat akurasi deteksi sebesar 77.5% dan akurasi bounding box sebesar 96.74%.