ABSTRAK Jose Franciscus Leander C.
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Jose Franciscus Leander C.
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Jose Franciscus Leander C.
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Jose Franciscus Leander C.
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Jose Franciscus Leander C.
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Jose Franciscus Leander C.
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Jose Franciscus Leander C.
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Jose Franciscus Leander C.
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Penduduk Indonesia semakin lama semakin meningkat. Selama 10 tahun terakhir ter-
jadi peningkatan sebesar 25 juta jiwa. Oleh karena itu kebutuhan pangan juga semakin
akan bertambah. Namun, tren jumlah pekerja petani menurun dan ditambah dengan fe-
nomena aging farmer yaitu berkurangnya petani muda, diperlukan sentuhan teknologi
yang dapat meningkatkan efisiensi dari produksi pangan. Teknologi seperti Iot, robot,
sensor, dan machine learning dapat diterapkan dalam bidang pertanian. Penerapan ini
disebut dengan smart agriculture. Terdapat 5 ruang lingkup yang dapat dikembangkan
dalam smart agriculture seperti precision agriculture, irrigation management, soil ma-
nagement, pest and disease management, dan crop monitoring. Penelitian ini berfokus
untuk membuat realtime image processing yang tercakup dalam sistem deteksi penya-
kit pada daun tanaman Ubi Cilembu. Dengan sistem ini, diharapkan bisa mendeteksi
penyakit dengan presisi, akurat secara realtime. Terdapat 2 bagian yang dikembangk-
an yaitu sistem pendeteksi penyakit dan sistem pengolahan data. Sistem pendeteksi
penyakit berfungsi mengambil gambar lahan, melakukan prediksi penyakit, dan meng-
irimkannya kepada server. Kemudian server menyimpan dan mengolah data untuk di-
tampilkan kepada pengguna berupa grafik sebaran penyakit pada lahan serta heatmap
dari setiap penyakit yang terdeteksi. Untuk melakukan prediksi, sistem deteksi penya-
kit memerlukan waktu proses rata-rata setiap gambar selama 1.16 detik dengan galat
model bervariasi mulai dari 20% pada penyakit necrosis sampai 121% pada penyakit
gulma. Dari sistem pengolahan data, lahan uji terdeteksi penyakit paling dominan yaitu
leaf spot sebesar 51.4% dari seluruh penyakit yang terdeteksi. Heatmap menunjukk-
an bahwa chlorosis dan leaf spot tersebar hampir di seluruh bagian lahan, sedangkan
penyakit gulma, necrosis, dan pest hanya terjadi di beberapa bagian dari lahan saja.