[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"ssr-repo-dspace000001041":3},{"id":4,"title":5,"authors":6,"files":8,"advisors":53,"authors_detail":54,"advisors_detail":58,"publisher":59,"publish_place":60,"language":61,"type":62,"type_slug":63,"year":64,"department":65,"study_program":66,"keywords":67,"keywords_detail":73,"abstract":84,"abstract_html":85,"url":86},"repo-dspace000001041","Implementasi Sistem Pendeteksi Pertumbuhan Tanaman Anggur Berbasis Image Processing",[7],"Evelyn Zhahlizafitri",[9,14,17,20,23,26,29,32,35,38,41,44,47,50],{"chapter":10,"requires_login":11,"label":12,"available":13},"abstrak",false,"Abstrak",true,{"chapter":15,"requires_login":11,"label":16,"available":11},"pendahuluan","Pendahuluan",{"chapter":18,"requires_login":11,"label":19,"available":13},"bab1","Bab I",{"chapter":21,"requires_login":11,"label":22,"available":13},"bab2","Bab II",{"chapter":24,"requires_login":13,"label":25,"available":13},"bab3","Bab III",{"chapter":27,"requires_login":13,"label":28,"available":13},"bab4","Bab IV",{"chapter":30,"requires_login":13,"label":31,"available":13},"bab5","Bab V",{"chapter":33,"requires_login":13,"label":34,"available":11},"bab6","Bab VI",{"chapter":36,"requires_login":13,"label":37,"available":11},"bab7","Bab VII",{"chapter":39,"requires_login":11,"label":40,"available":11},"daftar_pustaka","Daftar Pustaka",{"chapter":42,"requires_login":13,"label":43,"available":11},"lampiran","Lampiran",{"chapter":45,"requires_login":13,"label":46,"available":11},"jurnal","Jurnal",{"chapter":48,"requires_login":11,"label":49,"available":13},"open","Akses Terbuka",{"chapter":51,"requires_login":13,"label":52,"available":11},"full","Dokumen Lengkap",[],[55],{"name":7,"nim":56,"slug":57},"1841160071","evelyn-zhahlizafitri",[],"Politeknik Negeri Malang","Malang","Indonesia","Skripsi (D4)","skripsi-d4",2022,"D-IV JARINGAN TELEKOMUNIKASI DIGITAL",null,[68,69,70,71,72],"Pertumbuhan Tanaman Anggur","Image Processing","Raspberry Pi","Tensorflow","Blob Detection",[74,76,78,80,82],{"name":68,"slug":75},"pertumbuhan-tanaman-anggur",{"name":69,"slug":77},"image-processing",{"name":70,"slug":79},"raspberry-pi",{"name":71,"slug":81},"tensorflow",{"name":72,"slug":83},"blob-detection","Monitoring kondisi tanaman umumnya dilakukan dengan melihat informasi yang berkaitan dengan nutrisi, kadar ph, dan suhu air. Informasi ini belum mewakili kondisi nyata tanaman secara fisik, sehingga harus dilakukan pengamatan secara langsung ke area tanaman. Terlebih lagi untuk mengetahui tanaman anggur dalam kondisi subur atau sehat adalah menggunakan parameter tinggi batang yang tiap harinya harus bertambah 5-7 cm dapat dikatakan subur atau sehat, oleh sebab itu monitoring secara manual oleh manusia kurang optimal yang diakibatkan oleh keterbatasan fisik manusia seperti kelelahan dan kurangnya ketelitian, sehingga pertumbuhan tanaman sebaiknya dapat dipantau dari jarak jauh, maka perlu ditambahkan kamera untuk pengoptimalan Monitoring pertumbuhan. Melalui kamera dapat diperoleh gambar nyata kondisi tanaman. Monitoring pertumbuhan tanaman menggunakan pengolahan citra merupakan alternatif untuk mengurangi resiko gagal panen yang diakibatkan kurangnya Monitoring pertumbuhan tanaman. Dengan adanya permasalahan tersebut maka diperlukan sebuah inovasi Alat yang nantinya akan mendeteksi pertumbuhan tanaman buah anggur secara real time dengan menggunakan camera , kemudian hasil dari pencarian objek dari camera akan diproses Raspberry-Pi untuk pendeteksi pertumbuhan ukuran tinggi batang dan jumlah daun dari tanaman buah anggur tersebut, setelah Sistem berhasil mendeteksi pertumbuhan dari tinggi batang dan jumlah daun dari tanaman tersebut, maka data tersebut akan tersimpan pada firebase untuk ditampilkan di aplikasi Mobile, sehingga dapat memberikan petani waktu yang efisien dalam bekerja. Setelah melakukan pengujian didapat data mengenai spesifikasi sistem. Sistem dapat melakukan pendeteksian seluruh objek berupa tanaman angur paling optimal saat pemfokusan sistem pada jarak 150 meter. Rata-rata Akurasi sistem dalam melakukan pembacaan jumlah daun senilai 95.7%. Sedangkan nilai rata-rata Akurasi sistem dalam melakukan pembacaan tinggi batang senilai 97.2%.","\u003Cp>Monitoring kondisi tanaman umumnya dilakukan dengan melihat informasi yang berkaitan dengan nutrisi, kadar ph, dan suhu air. Informasi ini belum mewakili kondisi nyata tanaman secara fisik, sehingga harus dilakukan pengamatan secara langsung ke area tanaman. Terlebih lagi untuk mengetahui tanaman anggur dalam kondisi subur atau sehat adalah menggunakan parameter tinggi batang yang tiap harinya harus bertambah 5-7 cm dapat dikatakan subur atau sehat, oleh sebab itu monitoring secara manual oleh manusia kurang optimal yang diakibatkan oleh keterbatasan fisik manusia seperti kelelahan dan kurangnya ketelitian, sehingga pertumbuhan tanaman sebaiknya dapat dipantau dari jarak jauh, maka perlu ditambahkan kamera untuk pengoptimalan Monitoring pertumbuhan. Melalui kamera dapat diperoleh gambar nyata kondisi tanaman. Monitoring pertumbuhan tanaman menggunakan pengolahan citra merupakan alternatif untuk mengurangi resiko gagal panen yang diakibatkan kurangnya Monitoring pertumbuhan tanaman. Dengan adanya permasalahan tersebut maka diperlukan sebuah inovasi Alat yang nantinya akan mendeteksi pertumbuhan tanaman buah anggur secara real time dengan menggunakan camera , kemudian hasil dari pencarian objek dari camera akan diproses Raspberry-Pi untuk pendeteksi pertumbuhan ukuran tinggi batang dan jumlah daun dari tanaman buah anggur tersebut, setelah Sistem berhasil mendeteksi pertumbuhan dari tinggi batang dan jumlah daun dari tanaman tersebut, maka data tersebut akan tersimpan pada firebase untuk ditampilkan di aplikasi Mobile, sehingga dapat memberikan petani waktu yang efisien dalam bekerja. Setelah melakukan pengujian didapat data mengenai spesifikasi sistem. Sistem dapat melakukan pendeteksian seluruh objek berupa tanaman angur paling optimal saat pemfokusan sistem pada jarak 150 meter. Rata-rata Akurasi sistem dalam melakukan pembacaan jumlah daun senilai 95.7%. Sedangkan nilai rata-rata Akurasi sistem dalam melakukan pembacaan tinggi batang senilai 97.2%.\u003C\u002Fp>","https:\u002F\u002Frepository.polinema.ac.id\u002Fcollection\u002Fdetail?id=dspace000001041&year=2022&title=implementasi-sistem-pendeteksi-pertumbuhan-tanaman-anggur-berbasis-image-processing"]