ALI HASIM, NIM. 162022050 (2026) SISTEM PEMANTAUAN POHON SAWIT SIAP PRODUKSIMENGGUNAKANTEKNOLOGI MOBILE UNTUKMENDUKUNG DIGITALISASI PERTANIAN. Skripsi thesis, Universitas Muhammadiyah Palembang.

	Text 162022050_BAB I_DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (1MB)
	Text 162022050_BAB II.pdf Restricted to Repository staff only Download (332kB)
	Text 162022050_BAB III.pdf Restricted to Repository staff only Download (440kB)
	Text 162022050_BAB IV.pdf Restricted to Repository staff only Download (924kB)
	Text 162022050_BAB V.pdf Restricted to Repository staff only Download (89kB)
	Text 162022050_DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (140kB)
	Text 162022050_LAMPIRAN.pdf Restricted to Repository staff only Download (4MB)
	Text 162022050_Cover_Sampai_Lampiran.pdf Restricted to Repository staff only Download (8MB)

Abstract

Penelitian ini dilatarbelakangi oleh proses monitoring kesehatan tanaman kelapasawit yang masih dilakukan secara manual, sehingga bersifat lambat, subjektif, dantidak terdokumentasi dengan baik, yang berdampak pada keterlambatan deteksipenyakit dan penurunan produktivitas. Tujuan penelitian ini adalah menganalisi danmengembangkan aplikasi Android berbasis teknologi mobile untuk membantuklasifikasi kondisi tanaman kelapa sawit secara cepat dan praktis. Metode yangdigunakan meliputi pengumpulan dataset citra tanaman, preprocessing data beruparesize dan normalisasi, pelatihan model menggunakan arsitektur MobileNetV2dengan metode transfer learning di Google Colab, serta implementasi model kedalam aplikasi Android menggunakan TensorFlow Lite agar dapat berjalan secarareal-time tanpa koneksi internet. Aplikasi dilengkapi fitur pengambilan gambarmelalui kamera dan galeri, serta menampilkan hasil klasifikasi berupa label kondisi,tingkat kepercayaan, dan saran penanganan. Hasil pengujian menggunakanconfusion matrix menunjukkan bahwa model memiliki performa yang baik dengantingkat akurasi yang cukup tinggi pada sebagian besar kelas. Dengan demikian,sistem yang dikembangkan mampu membantu dalam melakukan deteksi dinikesehatan tanaman kelapa sawit secara lebih cepat, efisien, dan mendukungpenerapan digitalisasi pertanian di tingkat desa.

Item Type:	Thesis (Skripsi)
Additional Information:	1. Karnadi, S.Kom., M.Kom 2. Jimmie, S.Kom., M.Kom
Uncontrolled Keywords:	kelapa sawit, deep learning, MobileNetV2, TensorFlow Lite, aplikasiAndroid.
Subjects:	Teknologi informasi > pemrograman Teknologi informasi > perangkat lunak
Divisions:	Fakultas Teknik > Teknologi Informasi (S1)
Depositing User:	Mahasiswa Fakultas Teknik
Date Deposited:	07 May 2026 03:20
Last Modified:	07 May 2026 03:20
URI:	http://repository.um-palembang.ac.id/id/eprint/35836

Actions (login required)

View Item