Ikhsan, Mohammad Maulana (2026) SISTEM INFORMASI DETEKSI PENYAKIT TUMBUHAN PISANG BERBASIS WEBSITE MENGGUNAKAN MERN STACK DAN MACHINE LEARNING. Diploma thesis, Universitas Harkat Negeri.
![[img]](http://repository.harkatnegeri.ac.id/style/images/fileicons/text.png) |
Text (COVER)
Kom.MohammadMaulanaIkhsan_cover.pdf Download (828kB) |
|
Text (BAB I)
Kom.MohammadMaulanaIkhsan_bab1.pdf Download (145kB) |
|
Text (BAB II)
Kom.MohammadMaulanaIkhsan_bab2.pdf Download (316kB) |
|
Text (BAB III)
Kom.MohammadMaulanaIkhsan_bab3.pdf Restricted to Registered users only Download (369kB) | Request a copy |
|
Text (BAB IV)
Kom.MohammadMaulanaIkhsan_bab4.pdf Restricted to Registered users only Download (3MB) | Request a copy |
|
Text (BAB V)
Kom.MohammadMaulanaIkhsan_bab5.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
Text (BAB VI)
Kom.MohammadMaulanaIkhsan_bab6.pdf Download (125kB) |
|
Text (DAFTAR PUSTAKA)
Kom.MohammadMaulanaIkhsan_dafpu.pdf Download (245kB) |
|
Text (LAMPIRAN)
Kom.MohammadMaulanaIkhsan_lampiran.pdf Download (1MB) |
Abstract
Tanaman pisang merupakan komoditas hortikultura unggulan di Indonesia dengan nilai ekonomi tinggi, namun produktivitasnya sering terancam oleh penyakit seperti Fusarium Wilt, Sigatoka, dan Bacterial Wilt. Permasalahan utama di lapangan adalah kesulitan petani dalam mengidentifikasi penyakit secara dini akibat ketergantungan pada diagnosis konvensional yang memakan waktu lama, sehingga meningkatkan risiko gagal panen. Penelitian ini bertujuan untuk merancang sistem informasi deteksi penyakit tanaman pisang berbasis website yang mampu menghasilkan diagnosis secara otomatis, cepat, dan akurat melalui ekstraksi citra visual. Metode pengembangan sistem yang digunakan adalah dengan model Waterfall. Sistem ini dibangun menggunakan arsitektur MERN Stack (MongoDB, Express.js, React.js, dan Node.js) pada sisi aplikasi dan terintegrasi dengan model Machine Learning berbasis Convolutional Neural Network (CNN) melalui framework FastAPI. Teknologi Progressive Web App (PWA) juga diterapkan untuk mengoptimalkan aksesibilitas pengguna di perangkat seluler. Model deteksi difokuskan pada lima jenis penyakit, yaitu Black Sigatoka, Yellow Sigatoka, Fusarium Wilt, Moko Disease, dan Bract Mosaic, serta kondisi tanaman sehat. Hasil dari penelitian ini adalah sebuah platform digital yang memungkinkan petani mengunggah foto daun pisang secara real-time untuk mendapatkan persentase hasil diagnosis dan rekomendasi penanganan yang tepat. Implementasi sistem ini diharapkan dapat mempercepat tindakan mitigasi penyakit, meminimalisir risiko gagal panen massal, serta mendukung digitalisasi sektor pertanian di Indonesia. Kata Kunci: Pisang, Deteksi, Machine Learning, MERN.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TD Environmental technology. Sanitary engineering T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Sekolah Vokasi Teknik > Diploma III Teknik Komputer |
| Depositing User: | Mohammad maulana ikhsan |
| Date Deposited: | 25 Sep 2026 07:55 |
| Last Modified: | 25 Sep 2026 07:55 |
| URI: | http://repository.harkatnegeri.ac.id/id/eprint/8177 |
Actions (login required)
 |
View Item |