KLASIFIKASI PENYAKIT BERDASARKAN CITRA DAUN TOMAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR XCEPTION

FATONI, MUHAMMAD JAFAR SIDIQ (2023) KLASIFIKASI PENYAKIT BERDASARKAN CITRA DAUN TOMAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR XCEPTION. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (14kB)
	Text COVER.pdf Download (121kB)
	Text DAFTAR ISI.pdf Download (37kB)
	Text DAFTAR PUSTAKA.pdf Download (143kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (195kB)
	Text PENGESAHAN PENGUJI.pdf Download (248kB)
	Text SKRIPSI FULL_123180045_MUHAMMAD JAFAR SIDIQ FATONI.pdf Restricted to Repository staff only Download (1MB)

Abstract

Penyakit pada tanaman tomat dapat disebabkan oleh jamur, bakteri dan virus yang
menyerang pada bagian daun. Beberapa penyakit yang sering menyerang daun tomat antara
lain Tomato Late Blight, Tomato Leaf Mold, dan Tomato Target Spot. Penyakit tersebut dapat
menyebabkan penurunan kualitas hasil panen. Penyakit yang menyerang tanaman tomat
mempunyai kemiripan sehingga sulit untuk diidentifikasi secara langsung dan diagnosa belum
tentu akurat. Oleh karena itu, pemanfaatan artifical inteligence digunakan metode deep
learning yang dapat mempelajari fitur-fitur secara langsung. Penelitian ini bertujuan untuk
mengimplementasi metode Convolutional Neural Network (CNN) pada klasifikasi penyakit
daun tomat dengan arsitektur xception dan mendapatkan nilai akurasi.
Arsitektur xception menerapkan lapisan depthwise separable convolution yang
digunakan untuk mempercepat proses konvolusi. Konvolusi tersebut digunakan untuk ekstraksi
3 input channel dengan menggunakan kernel 3x3 yang menghasilkan satu feature map. Selain
itu, menerapkan lapisan global average pooling untuk mengurangi ukuran parameter.
Pengujian dilakukan berdasarkan penentuan epoch untuk melihat kenaikan akurasi. Hasil
penelitian ini didapatkan model xception terbaik dari pengujian menggunakan epoch 20 dengan
akurasi training 99,70%, validation accuracy sebesar 98,47%, dan testing accuracy sebesar
98,14. Setelah diuji dengan confusion matrix, mendapatkan nilai classification report yaitu
recall 97,75%, presisi 97,75%, dan f1-score 97,5%. Maka, model xception tersebut dapat
melakukan klasifikasi penyakit daun tomat dengan baik.
Kata kunci : Daun Tomat, Convolution Neural Network, Xception

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Daun Tomat, Convolution Neural Network, Xception
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	22 Sep 2023 07:32
Last Modified:	22 Sep 2023 07:32
URI:	http://eprints.upnyk.ac.id/id/eprint/37653

Actions (login required)

View Item