Diani, Ni Komang (2026) PENGEMBANGAN PERANGKAT CERDAS BERBASIS U-NET UNTUK MEMANTAU DAUN RUSAK TANAMAN PAKCOY AKIBAT SERANGAN HAMA. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2215051005-COVER.pdf Download (638kB) |
|
Text (ABSTRAK)
2215051005-ABSTRAK.pdf Download (300kB) |
|
Text (BAB 1 PENDAHULUAN)
2215051005-BAB 1 PENDAHULUAN.pdf Download (7MB) |
|
Text (BAB 2 KAJIAN TEORI)
2215051005-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (7MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2215051005-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (7MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2215051005-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (7MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2215051005-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (7MB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2215051005-DAFTAR PUSTAKA.pdf Download (7MB) |
|
Text (LAMPIRAN)
2215051005-LAMPIRAN.pdf Download (7MB) |
Abstract
Implementasi pertanian modern di Smart Green Garden Universitas Pendidikan Ganesha saat ini menghadapi tantangan efisiensi dalam mendeteksi indikasi awal serangan hama pada tanaman Pakcoy (Brassica rapa L.). Metode pemantauan manual terbukti memakan waktu yang cukup lama dan kurang efektif untuk mengenali skala kerusakan daun yang lebih luas. Oleh karena itu, penelitian ini mengembangkan perangkat pemantauan cerdas yang mengintegrasikan arsitektur deep learning U-Net untuk tugas segmentasi semantik di dalam ekosistem Internet of Things (IoT). Sistem ini digerakkan oleh kamera CCTV yang dimodifikasi menggunakan stepper motor Nema 23 dan mikrokontroler Arduino Nano, sehingga memungkinkan pemindaian area tanam beradius 360 derajat secara otomatis. Untuk memperkuat kemampuan generalisasi model, penelitian ini memanfaatkan 405 dataset citra hasil augmentasi berkualitas tinggi dengan resolusi 512x512 piksel. Model U-Net dilatih menggunakan strategi 5-fold cross validation. Hasil evaluasi membuktikan bahwa model U-Net pada (Fold 5) menghasilkan performa paling unggul, dengan capaian Akurasi Global sebesar 97,62% dan Mean Intersection over Union (mIoU) sebesar 0,749. Terintegrasi melalui koneksi Real-Time Streaming Protocol (RTSP), sistem cerdas ini mampu mendeteksi sekaligus memvisualisasikan area kerusakan daun berlubang secara real-time langsung pada dashboard antarmuka web. Pendekatan segmentasi semantik ini terbukti menjadi alternatif deteksi dini yang jauh lebih presisi dibandingkan metode deteksi objek konvensional, sehingga diharapkan mampu membantu petani dalam meningkatkan efisiensi waktu pemantauan hama.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Deep Learning, U-Net, Smart Farming, IoT, Segmentasi Semantik. |
| Subjects: | A General Works > AI Indexes (General) A General Works > AI Indexes (General) Q Science > Q Science (General) S Agriculture > SB Plant culture T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1) |
| Depositing User: | Ni Komang Diani |
| Date Deposited: | 30 Jun 2026 05:12 |
| Last Modified: | 30 Jun 2026 05:12 |
| URI: | http://repo.undiksha.ac.id/id/eprint/30349 |
Actions (login required)
 |
View Item |