IMPLEMENTASI INSTANCE SEGMENTATION PADA CITRA DAUN JAGUNG UNTUK DETEKSI BEBERAPA PENYAKIT TANAMAN JAGUNG MENGGUNAKAN METODE MASK R-CNN

Nugraha, Galih Agung (2024) IMPLEMENTASI INSTANCE SEGMENTATION PADA CITRA DAUN JAGUNG UNTUK DETEKSI BEBERAPA PENYAKIT TANAMAN JAGUNG MENGGUNAKAN METODE MASK R-CNN. Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK.pdf Download (466kB)
	Text COVER.pdf Download (522kB)
	Text DAFTAR ISI.pdf Download (467kB)
	Text DAFTAR PUSTAKA.pdf Download (595kB)
	Text LEMBAR PENGESAHAN PEMBIMBING.pdf Download (116kB)
	Text LEMBAR PENGESAHAN PENGUJI.pdf Download (116kB)
	Text SKRIPSI FULLTEXT_Galih Agung Nugraha_123190122.pdf Restricted to Repository staff only Download (3MB)

Abstract

Komoditi jagung (Zea mays L.) memiliki peran penting dalam pembangunan
pertanian dan ketahanan pangan di Indonesia. Namun, produksi jagung sering terganggu
oleh berbagai penyakit tanaman seperti hawar daun, bercak daun, dan karat daun yang
sering menjadi penyebab utama rendahnya hasil produksi jagung di beberapa daerah sentra
tanaman jagung di Indonesia. Identifikasi manual penyakit oleh para ahli sulit dilakukan
secara kontinu terutama di lahan luas, sehingga diperlukan sistem deteksi otomatis yang
efektif.
Penelitian ini mengembangkan model deteksi objek dan segmentasi instance
menggunakan metode Mask R-CNN untuk mengidentifikasi beberapa penyakit dalam satu
citra daun jagung. Dataset yang digunakan terdiri dari 1.462 citra yang diannotasi untuk
menghasilkan 2.234 anotasi penyakit. Model dilatih selama 10.000 iterasi dan dievaluasi
pada data validasi dan data uji.
Hasil menunjukkan bahwa model mengalami peningkatan performa selama iterasi,
namun peningkatan tersebut tidak signifikan. Hal ini disebabkan oleh ukuran dataset yang
cenderung kecil dan tantangan dalam mendeteksi penyakit dengan variasi bentuk dan
warna yang tidak beraturan. Selain itu, perbedaan signifikan dalam performa segmentasi
antara data validasi dan data uji juga diamati, menunjukkan perlunya optimasi lebih lanjut
melalui tuning hyperparameter, transfer learning, dan modifikasi arsitektur model.
Kesimpulan dari penelitian ini adalah bahwa implementasi Mask R-CNN memiliki potensi
dalam deteksi multi-penyakit pada daun jagung, namun perlu pengembangan lebih lanjut
untuk mencapai performa yang optimal.
Kata kunci: penyakit tanaman jagung, deteksi objek, segmentasi instance, Mask R�CNN

Item Type:	Thesis (Other)
Uncontrolled Keywords:	penyakit tanaman jagung, deteksi objek, segmentasi instance, Mask R�CNN
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	28 May 2024 03:42
Last Modified:	28 May 2024 03:42
URI:	http://eprints.upnyk.ac.id/id/eprint/39520

Actions (login required)

View Item