PENGEMBANGAN SISTEM TRANSFER LEARNING ARSITEKTUR MOBILENETV2 UNTUK MENINGKATKAN WAKTU KOMPUTASI DALAM KLASIFIKASI PENYAKIT DAUN MANGGA

Islamiah, Ergyna (2024) PENGEMBANGAN SISTEM TRANSFER LEARNING ARSITEKTUR MOBILENETV2 UNTUK MENINGKATKAN WAKTU KOMPUTASI DALAM KLASIFIKASI PENYAKIT DAUN MANGGA. Other thesis, UPN Veteran Yogyakarta.

	Text COVER_123200020_Ergyna Islamiah.pdf Download (127kB)
	Text ABSTRAK_123200020_Ergyna Islamiah.pdf Download (135kB)
	Text LEMBAR PENGESAHAN_12320020_Ergyna Islamiah.pdf Download (257kB)
	Text DAFTAR ISI_123200020_Ergyna Islamiah.pdf Download (163kB)
	Text DAFTAR PUSTAKA_123200020_Ergyna Islamiah.pdf Download (160kB)
	Text SKRIPSI FULLTEXT_123200020_Ergyna Islamiah.pdf Restricted to Repository staff only Download (5MB)

Abstract

Laporan Statistik Ekonomi dari Badan Pusat Statistik (BPS) pada bidang Pertanian, Kehutanan, Perikanan menunjukkan bahwa hasil produksi buah mangga di Indonesia pada tahun 2023 mengalami penurunan dari hasil produksi terakhir di tahun 2022. Hasil produksi pada tahun 2022 sebanyak 3.308.895 ton menurun menjadi 3.302.620 ton pada tahun 2023. Terdapat sekitar 40% dari produksi mangga di dunia diperkirakan mengalami kerusakan akibat penyakit dan hama serangga. Oleh sebab itu, dibutuhkan solusi untuk mengatasi permasalahan tersebut. Masalah pada tanaman mangga ini dapat dilakukan dengan mengklasifikasi penyakit dengan pengolahan citra. Klasifikasi penyakit daun mangga sudah pernah dilakukan sebelumnya dengan menggunakan beberapa metode, salah satunya dengan menggunakan model VGG16 mendapatkan hasil akurasi yang tinggi. Namun pada model tersebut masih memiliki kelemahan, yaitu berat dalam mengevaluasi dan memerlukan memori yang banyak.

Pada penelitian ini dilakukan klasifikasi terhadap penyakit daun mangga menggunakan transfer learning dengan Convolutional Neural Network (CNN) model arsitektur MobileNetV2 untuk mengatasi kelemahan dari model sebelumnya. Penelitian ini menggunakan dataset yang terdiri dari 9600 citra dengan 6 kelas, yaitu Anthracnose, Bacterial Canker, Gall Midge, Healthy, Powdery Mildew, dan Sooty Mould. Penelitian ini bertujuan untuk membangun sistem klasifikasi penyakit pada citra daun mangga dengan menggunakan metode Convolutional Neural Network (CNN) transfer learning dengan arsitektur MobileNetV2 untuk mempercepat waktu komputasi sehingga meringankan kebutuhan memori denggan menerapkan metode dan arsitektur tersebut dalam mengklasifikasi penyakit daun mangga. Data preprocessing dengan melakukan resize citra menjadi 224 × 224 pixel dan normalisasi Z-Score.

Adapun Kombinasi pengujian dilakukan dengan menggunakan model MobileNetV2 dan VGG16 dengan parameter optimizer Adam dan RMSprop menggunakan jumlah epoch 5, 10, 15, 20. Hasil kombinasi pengujian terbaik dengan waktu komputasi tercepat yang dilakukan didapatkan dengan menggunakan model MobileNetV2 menggunakan optimizer Adam jumlah epoch 15 dengan waktu komputasi 296,805 s menghasilkan akurasi training sebesar 93%, dengan akurasi validasi sebesar 94% dan akurasi menggunakan data test sebesar 98%. Sedangkan dengan model VGG16 didapatkan hasil waktu komputasi tercepatnya yaitu 508,744 s. Dengan demikian didapatkan bahwa dengan menggunakan MobileNetV2 waktu komputasi lebih cepat 211.939 s dibandingkan dengan menggunakan model VGG16.

Kata kunci: Transfer Learning, Convolutional Neural Network, MobileNetV2, VGG16, Penyakit Daun Mangga, Waktu Komputasi.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Transfer Learning, Convolutional Neural Network, MobileNetV2, VGG16, Penyakit Daun Mangga, Waktu Komputasi.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software S Agriculture > SB Plant culture
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	13 Dec 2024 00:46
Last Modified:	13 Dec 2024 00:46
URI:	http://eprints.upnyk.ac.id/id/eprint/41862

Actions (login required)

View Item