https://repository.unp.ac.id/id/eprint/47842 2026-09-16T05:42:14Z info:eu-repo/semantics/descriptiveMetadata https://repository.unp.ac.id/id/eprint/47842/ Aplikasi Web Klasifikasi dan Deteksi Penyakit Daun Tomat Menggunakan Model CNN dan YOLO Rizal, Fachri TK Electrical engineering. Electronics Nuclear engineering Penelitian ini mengembangkan aplikasi berbasis web untuk klasifikasi dan deteksi penyakit daun tomat menggunakan model Convolutional Neural Network (CNN) dan You Only Look Once (YOLO). Penelitian ini menggunakan metode Research & Development (R&D) yang meliputi analisis kebutuhan, desain sistem, implementasi, pelatihan model, dan pengujian. Model CNN dilatih untuk mengklasifikasikan gambar daun tomat ke dalam kategori penyakit spesifik, sementara model YOLO dirancang untuk mendeteksi dan melokalisasi area yang terinfeksi secara real-time. Kedua model diintegrasikan ke dalam sistem web berbasis Flask untuk menyediakan fungsionalitas yang dapat diakses dan interaktif melalui browser web standar. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi 96,1%, berhasil mengidentifikasi jenis penyakit seperti Early Blight dan Bacterial Spot. Model YOLO mencapai mean Average Precision (mAP) sebesar 87,3% untuk deteksi real-time, berhasil mengidentifikasi dan menandai area terinfeksi pada daun tomat. Integrasi model CNN dan YOLO menunjukkan kinerja klasifikasi dan deteksi yang kuat, menawarkan solusi efisien dan skalabel untuk mendukung diagnosis penyakit dini dan transformasi digital dalam pertanian presisi. 2025-11 Thesis NonPeerReviewed text en https://repository.unp.ac.id/id/eprint/47842/1/final_6_Fachri_Rizal_21343023_14953_2025.pdf Rizal, Fachri (2025) Aplikasi Web Klasifikasi dan Deteksi Penyakit Daun Tomat Menggunakan Model CNN dan YOLO. Bachelor/Skripsi thesis, Universitas Negeri Padang. info:eu-repo/semantics/objectFile info:eu-repo/semantics/humanStartPage