IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR EFFICIENTNETV2 DALAM KLASIFIKASI PENYAKIT DAUN PADA TANAMAN TEBU

ARGASIWI, RHYO (2025) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR EFFICIENTNETV2 DALAM KLASIFIKASI PENYAKIT DAUN PADA TANAMAN TEBU. Skripsi thesis, UPN "VETERAN" YOGYAKARTA.

[thumbnail of 2_Cover_123200059_Rhyo Argasiwi.pdf] Text
2_Cover_123200059_Rhyo Argasiwi.pdf
Download (167kB)
[thumbnail of 3_Abstrak_123200059_Rhyo Argasiwi.pdf] Text
3_Abstrak_123200059_Rhyo Argasiwi.pdf
Download (228kB)
[thumbnail of 4_Halaman Pengesahan_123200059_Rhyo Argasiwi.pdf] Text
4_Halaman Pengesahan_123200059_Rhyo Argasiwi.pdf
Download (693kB)
[thumbnail of 5_Daftar Isi_123200059_Rhyo Argasiwi.pdf] Text
5_Daftar Isi_123200059_Rhyo Argasiwi.pdf
Download (260kB)
[thumbnail of 6_Daftar Pustaka_123200059_Rhyo Argasiwi.pdf] Text
6_Daftar Pustaka_123200059_Rhyo Argasiwi.pdf
Download (186kB)
[thumbnail of 1_Skripsi Full_1223200059_Rhyo Argasiwi.pdf] Text
1_Skripsi Full_1223200059_Rhyo Argasiwi.pdf
Restricted to Repository staff only
Download (3MB)

Abstract

Tebu (Saccharum officinarum L.) merupakan salah satu komoditas utama dalam
industri gula di Indonesia. Namun, produktivitas tanaman tebu dapat menurun secara
signifikan akibat serangan penyakit pada daun, seperti Bacterial Blight dan Red Rot.
Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network
dengan arsitektur EfficientNetV2-B0 dalam klasifikasi penyakit daun pada tanaman tebu.
Data yang digunakan merupakan citra daun tebu berjumlah 300 gambar dari tiga kelas
yang diambil dari situs Kaggle. Tahapan penelitian meliputi preprocessing data seperti
resize citra, label encoding, data augmentation, dan splitting dataset menjadi data latih,
validasi, dan uji. Model dilatih dengan metode transfer learning dan diuji menggunakan
berbagai kombinasi hyperparameter seperti learning rate dan jumlah epoch untuk
memperoleh performa terbaik. Evaluasi dilakukan menggunakan confusion matrix dan
classification report dengan metrik accuracy, precision, recall, dan F1-score.
Berdasarkan hasil pengujian, model klasifikasi menggunakan arsitektur
EfficientNetV2-B0 mencapai akurasi tertinggi sebesar 91% pada learning rate 0.001 dan
epoch 75 dengan nilai tertinggi precision, recall, dan F1-score masing-masing sebesar 94%,
100%, dan 97% di seluruh kelas. Penelitian ini menunjukkan bahwa model Convolutional
Neural Network dengan arsitektur EfficientNetV2-B0 mampu melakukan klasifikasi dengan
tingkat akurasi yang tinggi dan sistem yang dikembangkan dapat mempermudah identifikasi
penyakit daun tebu secara lebih akurat. Implementasi metode dan sistem ini diharapkan
dapat membantu petani dan produsen gula dalam mendeteksi penyakit tanaman sejak dini
sehingga dapat meningkatkan kualitas dan kuantitas hasil panen di kemudian hari.
Kata Kunci : Tebu, Penyakit Daun, Convolutional Neural Network, EfficientNetV2,
Klasifikasi Citra

Item Type: Tugas Akhir (Skripsi)
Additional Information: RHYO ARGASIWI (penulis) - 123200059 ; Bagus Muhammad Akbar (pembimbing)
Uncontrolled Keywords: Tebu, Penyakit Daun, Convolutional Neural Network, EfficientNetV2, Klasifikasi Citra
Subjek: Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Teknik Industri > (S1) Informatika
Depositing User: A.Md Eko Suprapti
Date Deposited: 22 Oct 2025 06:25
Last Modified: 22 Oct 2025 06:25
URI: http://eprints.upnyk.ac.id/id/eprint/44767

Actions (login required)

View Item View Item