PENGGUNAAN ARSITEKTUR MOBILENETV2 UNTUK DATASET TERBATAS PADA KLASIFIKASI PENYAKIT DAUN ANGGUR

Pryhananto, Eka (2023) PENGGUNAAN ARSITEKTUR MOBILENETV2 UNTUK DATASET TERBATAS PADA KLASIFIKASI PENYAKIT DAUN ANGGUR. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK_EKA PRYHANANTO_123190020.pdf Download (6kB)
	Text COVER_EKA PRYHANANTO_123190020.pdf Download (129kB)
	Text DAFTAR ISI_EKA PRYHANANTO_123190020.pdf Download (49kB)
	Text DAFTAR PUSTAKA_EKA PRYHANANTO_123190020.pdf Download (84kB)
	Text PENGESAHAN PEMBIMBING_EKA PRYHANANTO_123190020.pdf Download (1MB)
	Text SKRIPSI FULLTEXT_EKA PRYHANANTO_123190020.pdf Restricted to Repository staff only Download (7MB)

Abstract

Salah satu masalah yang dihadapi petani anggur adalah penyakit daun anggur yang
disebabkan oleh jamur dan bakteri. Meski daun yang terkena penyakit dapat ditemukan
dengan mata telanjang, namun cara ini tidak cukup akurat karena penyakit daun anggur
memiliki kemiripan yang tinggi dari tekstur maupun warna pada daun sehingga sulit
diidentifikasi. Oleh karena itu, dibutuhkan teknologi untuk mengidentifikasi penyakit daun
anggur menggunakan metode Transfer Learning Convolutional Neural Network (CNN).
Untuk mendapatkan model yang optimal dibutuhkan proses data preprocessing yaitu resize
citra menjadi 224 x 224 pixels dan dilakukannya normalisasi Z-Score. Kombinasi Pengujian
dengan pendekatan Transfer Learning dan Hyperparameter yang tepat. Dengan pendekatan
yang diujikan yaitu Fine Tuning dengan Pre-Trained, Freezing Layer dengan Pre-Trained,
dan Fine Tuning tanpa Pre-Trained dan dikombinasikan dengan parameter epoch sebesar 5,
10, dan 15 serta menggunakan optimizer Adam dan RMSprop. Didapatkan kombinasi
terbaik dari hasil pengujian yaitu pendekatan menggunakan Fine Tuning dengan Pre�Trained dengan epoch 15 dan optimizer RMSprop mendapatkan akurasi pada data test
sebesar 93%.
Kata Kunci : Transfer Learning, Convolutional Neural Network, Hyperparameter, Penyakit
Daun Anggur, MobileNetV2 Fine Tuning, Freezing layer

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Transfer Learning, Convolutional Neural Network, Hyperparameter, Penyakit Daun Anggur, MobileNetV2 Fine Tuning, Freezing layer
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	15 Dec 2023 06:51
Last Modified:	15 Dec 2023 06:51
URI:	http://eprints.upnyk.ac.id/id/eprint/38353

Actions (login required)

View Item