KLASIFIKASI PENYAKIT TANAMAN UBI KAYU DARI CITRA DAUN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Arcello, Fredrio (2023) KLASIFIKASI PENYAKIT TANAMAN UBI KAYU DARI CITRA DAUN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Other thesis, UPN 'Veteran" Yogyakarta.

	Text ABSTRAK_FREDRIO-ARCELLO_123180068.pdf Download (147kB)
	Text DAFTAR-PUSTAKA_FREDRIO-ARCELLO_123180068.pdf Download (275kB)
	Text LAMPIRAN_FREDRIO-ARCELLO_123180068.pdf Download (2MB)
	Text PENGESAHAN-PEMBIMBING_FREDRIO-ARCELLO_123180068.pdf Download (243kB)
	Text SKRIPSI-FULL_FREDRIO-ARCELLO_123180068.pdf Restricted to Repository staff only Download (5MB)

Abstract

vii
ABSTRAK
Identifikasi penyakit pada daun tanaman ubi kayu dapat dilakukan secara manual dengan
penglihatan mata manusia karena warna daun ubi kayu akan berubah jika telah terkena penyakit,
akan tetapi identifikasi warna daun pada ubi kayu dengan cara manual memiliki kelemahan yaitu
penilaian yang subjektif sehingga hasil identifikasi antar individu bisa berbeda karena
dipengaruhi kurangnya konsentrasi dan juga memerlukan pengalaman. Pemanfaatan image
processing dalam melakukan klasifikasi penyakit dapat membantu para pengelola pertanian
untuk memberikan penanganan secara efektif dan efisien pada tanaman ubi kayu yang tidak
sehat atau tidak normal. Untuk meningkatkan akurasi dan kecepatan hasil klasifikasi, penelitian
ini menawarkan konsep deep learning yang digunakan untuk pemrosesan citra digital yaitu
Convolutional Neural Network (CNN) menggunakan arsitektur EfficientNet-B0 untuk
klasifikasi penyakit tanaman ubi kayu.
Penelitian ini menguji dua versi dari model EffecientNet-B0. Pada versi pertama adalah
EfficientNet-B0-Basic, menerapkan lapisan Global Average Pooling (GAP) untuk meratakan
feature map menjadi vector tunggal dan diikuti dengan lapisan output, yang sepenuhnya
terhubung ke semua neuron di lapisan GAP. Untuk versi kedua merupakan model yang
diusulkan yaitu EfficientNet-B0-Advance, ditambahkan lapisan tambahan diantara lapisan GAP
dan lapisan output. Ukuran untuk lapisan fully connected ini sebesar 64 dengan menggunakan
aktifasi ReLU yang berfungsi untuk mengubah nilai piksel yang bernilai negatif menjadi nol.
Kemudian diakhiri dengan lapisan output menggunakan aktifasi softmax, yang digunakan untuk
mendapatkan nilai probabilitas dari 5 kelas klasifikasi penyakit tanaman ubi kayu. Berdasarkan
model yang diujikan akan dikombinasikan dengan jumlah epoch yang berbeda. Pengujian
dilakukan dengan input shape sebesar 224×224, epoch dengan jumlah 10 dan 15 sehingga
menghasilkan 4 kombinasi rencana pengujian. Total data citra yang digunakan sebagai data
training, data validation, dan data testing adalah 5,500 citra daun ubi kayu dengan masing�masing 5 kelas yang seimbang. Untuk 5 kelas uji daun ubi kayu yang digunakan pada penelitian
ini adalah Cassava Bacterial Blight (CBB), Cassava Brown Streak Disease (CBSD), Cassava
Green Mottle (CGM), Cassava Mosaic Disease (CMD), dan healthy.
Tahap evaluasi model CNN dilakukan untuk mendapatkan nilai testing accuracy dan
confusion matrix dari model yang sudah dilatih. Dari hasil pengujian didapatkan kombinasi
model CNN paling optimal yaitu EfficientNet-B0-Advance dengan dengan input shape sebesar
224×224 dan 15 epoch mendapatkan akurasi sebesar 93.60%. Penggunaan model Convolutional
Neural Network dengan arsitektur EfficientNet-B0 dapat dengan baik mengklasifikasikan
penyakit tanaman ubi kayu dari citra daun.
Kata kunci: Ubi Kayu, Penyakit Daun, Deep Learning, Convolutional Neural Network,
Klasifikasi Gambar.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Ubi Kayu, Penyakit Daun, Deep Learning, Convolutional Neural Network, Klasifikasi Gambar.
Subjects:	S Agriculture > S Agriculture (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	02 Jan 2023 03:45
Last Modified:	02 Jan 2023 03:45
URI:	http://eprints.upnyk.ac.id/id/eprint/32135

Actions (login required)

View Item