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

Ababil, Nadif Satria (2023) DETEKSI PENYAKIT DAUN CABAI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN HYPERPARAMETER DAN OPTIMIZER UNTUK MENENTUKAN KOMBINASI PARAMETER TERBAIK. Other thesis, UPN "Veteran" Yogyajarta.

	Text ABSTRAK.pdf Download (32kB)
	Text COVER.pdf Download (143kB)
	Text DAFTAR ISI.pdf Download (66kB)
	Text DAFTAR PUSTAKA.pdf Download (164kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (359kB)
	Text PENGESAHAN PENGUJI.pdf Download (403kB)
	Text SKRIPSI FULL_NADIF SATRIA ABABIL.pdf Restricted to Repository staff only Download (3MB)

Abstract

vi
ABSTRAK
Tanaman cabai termasuk salah satu bahan makanan yang banyak digunakan pada
berbagai masakan. Banyaknya permintaan mendorong para petani cabai untuk menambah
jumlah lahan cabai miliknya, pertambahan jumlah lahan cabai diikuti dengan usaha perawatan
dan pengawasan yang cukup besar. Beberapa penyakit tanaman cabai yang sering muncul pada
lahan cabai disebabkan oleh kurangnya perawatan pada tanah maupun lingkungan sekitar
tanaman cabai. Penyakit pada suatu tanaman dapat terlihat dengan gejala yang timbul pada
warna dan tekstur daun dari tanaman tersebut. Maka dari itu deteksi penyakit tanaman cabai ini
memungkinkan tanaman cabai akan diobati berdasarkan jenis penyakit yang ada dalam waktu
yang singkat dan mengurangi penyebaran penyakit kepada tanaman cabai yang lain. Proses
deteksi penyakit tanaman menggunakan komputer sangat direkomendasikan saat ini karena
deteksi yang dilakukan oleh sistem komputer cukup akurat. Maka dari itu, dibutuhkan teknologi
computer vision dalam melakukan deteksi penyakit tanaman cabai dengan metode Convolutonal
Neural Network (CNN). Untuk mendapatkam model yang optimal dibutuhkan kombinasi
hyperparameter dan optimizer yang tepat untuk menghasilkan akurasi yang tinggi.
Penelitian kali ini melakukan pengujian metode CNN dengan kombinasi
hyperparameter dan optimizer. Hal ini dilakukan untuk menetukan kombinasi terbaik dan
optimal, dengan hyerparameter yang diujikan yaitu convolutional layer dan epoch seta
optimizer Adam, Stochastic Gradient Descent (SGD) dan RMSProp. Kombinasi yang
dihasilkan sebanyak 18. Didapatkan kombinasi terbaik dari hasil percobaan yaitu dengan
convolutional layer berjumlah 5 dan epoch 10 serta menggunakan optimizer RMSProp. Akurasi
yang dihasilkan yaitu sebesar 92,32%
Kata Kunci : Penyakit Daun Cabai, Convolutional Neural Network, Hyperparameter, Deteksi

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Penyakit Daun Cabai, Convolutional Neural Network, Hyperparameter, Deteksi
Subjects:	S Agriculture > S Agriculture (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	01 Dec 2023 06:44
Last Modified:	01 Dec 2023 06:44
URI:	http://eprints.upnyk.ac.id/id/eprint/38277

Actions (login required)

View Item