IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI PENYAKIT JAGUNG MELALUI CITRA DAUN

PANJAITAN, EGA NOVIA ANJELINA BR (2023) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI PENYAKIT JAGUNG MELALUI CITRA DAUN. Other thesis, UPN "Veteran" Yogyakarta.

	Text 1. Skripsi_Fulltext_123160005_Ega Novia Anjelina Br Panjaitan.pdf Restricted to Repository staff only Download (2MB)
	Text 2. Cover_123160005_Ega Novia Anjelina Br Panjaitan.pdf Download (168kB)
	Text 3. Abstrak_123160005_Ega Novia Anjelina Br Panjaitan.pdf Download (155kB)
	Text 4. Lembar Pengesahan_123160005_Ega Novia Anjelina Br Panjaitan.pdf Download (164kB)
	Text 5. Daftar Isi_123160005_Ega Novia Anjelina Br Panjaitan.pdf Download (57kB)
	Text 6. Daftar Pustaka_123160005_Ega Novia Anjelina Br Panjaitan.pdf Download (124kB)

Abstract

Dalam klasifikasi citra membutuhkan dataset sebagai rujukan untuk training metode
yang digunakan. Keluaran atau output data sangat tergantung pada set data yang dibelajarkan
dalam algoritma yang digunakan. Terkadang data tidak terklasifikasi dengan baik karena data
yang digunakan untuk pembelajaran sedikit. Namun untuk mendapatkan data yang banyak
tidaklah mudah.
Karena jumlah data yang terbatas saat membuat model klasifikasi, maka dilakukan
penggunaan augmentasi data untuk menambah data dan membuat variasi data lebih beragam.
Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) untuk
klasifikasi penyakit daun jagung. Penelitian ini bertujuan untuk membandingkan model CNN
yang diterapkan augmentasi dan tanpa augmentasi pada dataset daun jagung berpenyakit. Dari
kedua model tersebut, akan dianalisis tingkat akurasi masing-masing untuk mengetahui model
mana yang lebih baik.
Penelitian ini menghasilkan akurasi test tertinggi sebesar 92% yang terjadi pada
percobaan model CNN dengan menggunakan data augmentasi dan akurasi terendah terdapat
pada percobaan model CNN dengan data tanpa augmentasi dengan akurasi test sebesar 75%.
Selain itu, dalam penelitian ini juga melakukan pengujian dengan data baru sebanyak 15
gambar untuk setiap kelas. Hasil akurasi pengujian yang dilakukan pada model CNN dengan
data augmentasi sebesar 82,2%. Sedangkan hasil akurasi pengujian yang dilakukan pada model
CNN dengan data tanpa augmentasi sebesar 68,9%. Dari hasil pengujian dapat dinyatakan
bahwa penggunaan teknik augmentasi untuk pelatihan model CNN dapat meningkatkan
performa klasifikasi berdasarkan nilai akurasi.
Kata Kunci : Data, Klasifikasi, Deep Learning, Convolutional Neural Network, Augmentasi.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Data, Klasifikasi, Deep Learning, Convolutional Neural Network, Augmentasi
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:	26 Jul 2023 07:05
Last Modified:	26 Jul 2023 07:05
URI:	http://eprints.upnyk.ac.id/id/eprint/36577

Actions (login required)

View Item