PERBANDINGAN HASIL EVALUASI IMPLEMENTASI TEKNIK REGULARIZATION PADA MODEL CONVOLUTIONAL NEURAL NETWORK DALAM IDENTIFIKASI PENYAKIT DAUN KENTANG

Prasetyo, Handoyo Dwi (2023) PERBANDINGAN HASIL EVALUASI IMPLEMENTASI TEKNIK REGULARIZATION PADA MODEL CONVOLUTIONAL NEURAL NETWORK DALAM IDENTIFIKASI PENYAKIT DAUN KENTANG. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK_TA_Handoyo Dwi Prasetyo_123180018.pdf Download (36kB)
	Text Fulltex_TA_Handoyo Dwi Prasetyo_123180018.pdf Restricted to Repository staff only Download (5MB)
	Text COVER_TA_Handoyo Dwi Prasetyo_123180018.pdf Download (56kB)
	Text DAFTAR ISI_TA_Handoyo Dwi Prasetyo_123180018.pdf Download (50kB)
	Text DAFTAR PUSTAKA_TA_Handoyo Dwi Prasetyo_123180018.pdf Download (161kB)
	Text Halaman Pengesahan Pembimbing_TA_Handoyo Dwi Prasetyo_123180018.pdf Download (3MB)
	Text Halaman Pengesahan Penguji_TA_Handoyo Dwi Prasetyo_123180018.pdf Download (3MB)

Abstract

Kentang merupakan salah satu bahan penting dalam industri pangan,
pengembangan pada pertanian kentang juga merupakan hal yang sangat penting mengingat
banyaknya manfaat yang dimiliki oleh kentang. Namun pertumbuhan kentang memiliki
beberapa masalah penyakit yang menyerang daun kentang, sehingga dapat menghambat
produksi bibit kentang. Oleh karena itu perlu dilakukan identifikasi penyakit daun kentang,
salah satu caranya dengan menggunakan Convolutional Neural Network (CNN). Dalam
beberapa penelitian terkait klasifikasi citra terdapat permasalahan seperti overfitting, dimana
terdapat perbedaan yang besar pada hasil akurasi dan loss pada data training dan data
validation yang mengakibatkan performa yang tidak baik pada saat melakukan klasifikasi
data baru.
Pada penelitian ini, metode CNN diterapkan dalam proses klasifikasi penyakit daun
kentang melalui sistem identifikasi penyakit daun kentang. Untuk mengatasi masalah
overfitting yaitu dengan ditambahkan teknik regularization. Maka dari itu, dilakukan 20
skenario kombinasi model CNN dengan ditambahkannya teknik regularization untuk
memperoleh model yang optimal.
Hasil dari pengujian confusion matrix dengan menggunakan data 405 uji
memperoleh hasil accuracy 93%, precision 92%, recall 93%, dan f1-score 93%. Dari 162
citra kelas early blight, 147 citra diklasifikasikan dengan benar, dari 102 citra kelas healthy,
95 citra diklasifikasikan dengan benar, dan dari 141 citra kelas late blight, 134 citra
diklasifikasikan dengan benar. Selain itu juga model dapat memprediksi citra yang
diperkecil dengan akurasi 94%, citra yang dirotasi 45° dengan akurasi 99%, citra yang
dirotasi 60° dengan akurasi 99%, citra yang dirotasi 130° dengan akurasi 95%, citra yang
dilakukan peningkatan brightness sebesar 140% dengan akurasi 99%, dan citra yang
dilakukan penurunan brightness sebesar 80%, dan diprediksi benar dengan akurasi 99%.
Dari hasil pengujian model CNN mampu mengindentifikasi data baru, hal ini menunjukkan
bahwa penerapan teknik regularization mampu mengatasi overfitting yang terjadi pada
model CNN.
Kata kunci : klasifikasi citra, CNN, regularisasi, identifikasi citra, penyakit daun
kentang

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	klasifikasi citra, CNN, regularisasi, identifikasi citra, penyakit daun kentang
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	31 Jul 2023 02:56
Last Modified:	31 Jul 2023 02:58
URI:	http://eprints.upnyk.ac.id/id/eprint/36654

Actions (login required)

View Item