http://journal.unnes.ac.id/sju/edukom <p><strong>Edu Komputika Journal starting in 2024 migrates to better secure from various unwanted things, including journal hacking and so on. To submit, the author please visit the new website page of our journal at the link<a href="https://journal.unnes.ac.id/journals/edukom" target="_blank" rel="noopener">&nbsp;https://journal.unnes.ac.id/journals/edukom</a></strong></p> <p><strong><em>MIGRATION OFFICIAL STATEMENT&nbsp;<a href="https://drive.google.com/drive/folders/1980A0R8NA3En1577jOx6NI3mWJxsNawB?usp=sharing" target="_blank" rel="noopener">HERE</a></em></strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>Edu Komputika Journal [E-ISSN:2599-297X]</strong></p> <p style="text-align: justify;">This journal publishes research and review papers about assessment model supported by Information Technology (IT), learning management system (LMS), development of learning tool and management information system for education.</p> Jurusan Teknik Elektro Universitas Negeri Semarang en-US Edu Komputika Journal 2252-6811 http://journal.unnes.ac.id/sju/edukom/article/view/68580 <p>Kapas merupakan bahan baku dari Industri Tekstil dan Produk Tekstil (TPT) di Indonesia. Namun, produksi kapas di Indonesia tidak dapat memenuhi kebutuhan nasional. Untuk meningkatkan produksi kapas, perlu dilakukan identifikasi penyakit dan hama pada tanaman kapas sehingga mendapatkan penanganan yang tepat dan mengatasi terjadinya kegagalan panen. Beberapa penelitian telah dilakukan mengenai identifikasi penyakit pada daun kapas dengan menggunakan kecerdasan buatan. Tetapi, penelitian-penelitan yang telah dilakukan sebelumnya lebih berfokus pada klasifikasi penyakit yang terjadi pada daun kapas. Oleh karena itu, penelitian ini memiliki tujuan untuk membuat sistem yang tidak hanya dapat mengklasifikasi penyakit daun kapas, tetapi dapat juga mengklasifikasi hama yang terdapat pada daun kapas. Bedasarkan pengujian yang telah dilakukan, Tingkat akurasi dalam klasifikasi pada hama dan penyakit tanaman kapas pada data uji menghasilkan nilai akurasi tertinggi sebesar 90%. Nilai tersebut didapatkan pengujian dengan kombinasi fitur Color Moment dan fitur GLCM dengan sudut 0⁰ sebagai input serta arsitektur MLP menggunakan fungsi aktivasi tanh dan 1024 <em>perceptron</em> di <em>hidden layer</em>.</p> Nadhif Mahardika Awandi Budi Nugroho Fawwaz Ali Akbar ##submission.copyrightStatement## 2023-12-29 2023-12-29 10 2 72 80 10.15294/edukomputika.v10i2.68580