ABSTRAK Gerard Ari
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Gerard Ari
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Gerard Ari
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Gerard Ari
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Gerard Ari
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Gerard Ari
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Gerard Ari
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Gerard Ari
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Pada beberapa tahun terakhir, hasil produksi sumber karbohidrat utama di Indonesia
secara general menurun. Ini ditemani juga dengan turunnya lahan pertanian yang ada
di Indonesia, penyerangan hama, dan penyakit-penyakit yang dijangkit oleh tanaman.
Pada studi ini, akan diangkat metode smart agriculture untuk meningkatkan efisiensi
dan efektivitas pertanian di Indonesia yang dilakukan pada tanaman ubi Cilembu. Stu-
di ini difokuskan pada pengangulangan hama dan penyakit dengan mengembangkan
sistem pendeteksian dini. Dilakukan dua variasi pada pengembangan model machine
learning untuk mendapatkan model yang optimal yaitu variasi pada epoch training dan
image size. Ditemui kasus overfitting yang diselesaikan dengan melakukan augmen-
tasi data dan menaikkan jumlah data yang ada. Setelah melakukan studi, didapatkan
bahwa epoch yang paling optimal adalah 100 dengan image size 800x800 pixel. Model
yang dihasilkan mempunyai akurasi metrik mAP 84.6%, precision 81.3%, dan recall
rate 80.5%.