DETEKSI PENYAKIT DAUN TANAMAN ANGGUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN HYPERPARAMETER DAN OPTIMIZER UNTUK MENENTUKAN KOMBINASI PARAMETER TERBAIK

Nurhayati, Kurnia Indah (2024) DETEKSI PENYAKIT DAUN TANAMAN ANGGUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN HYPERPARAMETER DAN OPTIMIZER UNTUK MENENTUKAN KOMBINASI PARAMETER TERBAIK. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text SKRIPSI FULL_KURNIA INDAH NURHAYATI.pdf Restricted to Repository staff only Download (2MB)
	Text ABSTRAK.pdf Download (107kB)
	Text COVER.pdf Download (130kB)
	Text DAFTAR ISI.pdf Download (171kB)
	Text DAFTAR PUSTAKA.pdf Download (184kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (389kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (413kB)

Abstract

Anggur merupakan salah satu buah yang diolah menjadi berbagai macam produk
olahan, seperti jus, salad buah dan produk olahan lainnya. Tetapi, tak jarang tanaman
anggur`juga dapat berpotensi terkena serangat penyakit yang mengakibatkan kerugian.
Penyakit pada tanaman dapat terlihat pada tekstur dan warna daun. Maka dari itu
mengidentifikasi penyakit pada daun tanaman anggur menjadi salah satu faktor penting
untuk mencegah penyebaran penyakit yang menimbulkan kerugian hasil panen. Pengolahan
citra bukan hal baru dalam teknologi bahkan pengidentifikasian penyakit pada tanaman
dapat dilakukan menggunakan pengolahan citra. Convolutional Neural Network (CNN)
merupakan metode pengolahan citra yang digunakan untuk mendeteksi penyakit daun
anggur pada penelitian ini. Dalam mencari model yang optimal, dibutuhkan pengujian
kombinasi hyperparameter dan optimizer untuk mendapatkan akurasi dan model yang
optimal. Hyperparameter yang diujikan berupa convolutional layer, epoh dan learning rate
serta algoritma optimasi berupa Adam dan RMSProp sehingga menghasilkan 16 kombinasi
hyperparameter. Didapatkan model optimal dengan kombinasi hyperparameter 3
convolutional layer, 0.01 learning rate, 100 epoch serta algoritma optimasi berupa Adam
menghasilkan akurasi tertinggi sebesar 98,63%.
Kata kunci: Penyakit daun anggur; CNN; identifikasi; klasifikasi; hyperparameter;
algoritma optimasi

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Penyakit daun anggur; CNN; identifikasi; klasifikasi; hyperparameter; algoritma optimasi
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	22 Mar 2024 03:34
Last Modified:	22 Mar 2024 03:34
URI:	http://eprints.upnyk.ac.id/id/eprint/39138

Actions (login required)

View Item