Pengembangan Aplikasi Mobile Pendeteksi Penyakit Pada Tanaman Cabai Dengan Menggunakan Teknologi Clarifai
| Main Authors: | Pratama, Insan Nurzaman Bangga Adi, Issa Arwani, S.Kom., M.Sc., Ir. Handoko, M.Sc. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194875/1/0520150117%20-%20INSAN%20NURZAMAN%20BANGGA%20ADI%20PRATAMA.pdf http://repository.ub.ac.id/id/eprint/194875/ |
Daftar Isi:
- Di negara-negara tropis seperti Indonesia, tanaman cabai menjadi salah satu tanaman komersial yang banyak dibudidayakan dan memiliki nilai jual tinggi sehingga menguntungkan bagi petani. Berdasarkan data dari Kementerian Pertanian, jumlah produksi cabai setiap tahunnya masih bersifat fluktuatif yaitu mengalami peningkatan atau penurunan. Adapun berdasarkan data dari Kementerian Pertanian, jumlah konsumsi dari cabai selalu mengalami kenaikan per tahunnya. Ada banyak faktor yang mempengaruhi fluktuitas tingkat produksi cabai nasional. Salah satu kendala yang sering dijumpai yaitu kurangnya pengetahuan para petani dalam mengenali jenis penyakit dan hama yang menyerang tanaman pada cabai. Dengan banyaknya pengguna perangkat mobile di Indonesia dapat memudahkan semua penggunanya dalam menjalankan aktivitas sehari-hari menggunakan aplikasi-aplikasi yang tersedia. Penulis memanfaatkan peluang untuk mengembangkan sebuah aplikasi mobile dengan sistem operasi android yang berguna untuk mendeteksi penyakit pada tanaman cabai serta pengendaliannya. Aplikasi ini memanfaatkan teknologi clarifai untuk membantu melakukan pendeteksian gambar pada input dari perangkat pengguna melalui gambar ataupun galeri. Pengembangan aplikasi ini menggunakan metode Waterfall. Metode ini dipilih karena kebutuhan sudah didefinisikan di awal, tidak mengalami perubahan kebutuhan, dan kebutuhan yang tidak terlalu kompleks. Pengujian yang dilakukan pada aplikasi ini adalah pengujian validasi, pengujian akurasi, pengujian, pengujian usability dan pengujian compatibility. Pada pengujian validasi semua bernilai valid. Dengan ini dapat dikatakan tingkat keberhasilan 100%. Pada pengujian akurasi didapatkan hasil nilai rata-rata kemampuan akurasi mendeteksi nama penyakit pada aplikasi ini adalah 79%. Hal ini dapat dikatakan bahwa sistem belum terlalu akurat. Pada pengujian usability didapatkan hasil 82,75%. Nilai tersebut di konversikan kedalam skala konversi kategori nilai usability maka akan masuk kedalam kategori nilai B atau Excellent. Sedangkan pada pengujian compatibility, aplikasi dapat berjalan sesuai dengan yang telah ditentukan yaitu Android minimal level SDK 23.