PENERAPAN VISION TRANSFORMER UNTUK KLASIFIKASI PENYAKIT DAN KEKURANGAN HARA PADA DAUN KOPI

Herdi Andra Fata Rizqi, . (2026) PENERAPAN VISION TRANSFORMER UNTUK KLASIFIKASI PENYAKIT DAN KEKURANGAN HARA PADA DAUN KOPI. Tugas Akhir thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA.

	Text 1_Cover_123210005.pdf Download (193kB)
	Text 2_Abstrak_123210005.pdf Download (216kB)
	Text 3_Halaman Pengesahan_123210005.pdf Download (517kB)
	Text 4_Daftar Isi_12321005.pdf Download (209kB)
	Text 5_Daftar Pustaka_123210005.pdf Download (176kB)
	Text 6_Skripsi Full_123210005.pdf Restricted to Repository staff only Download (2MB)

Abstract

Penyakit dan kekurangan hara pada tanaman kopi merupakan permasalahan penting yang dapat menurunkan kualitas serta produktivitas hasil panen. Identifikasi kondisi kesehatan daun kopi secara konvensional masih banyak dilakukan secara manual dengan mengandalkan pengamatan visual, sehingga memerlukan keahlian khusus dan berpotensi menimbulkan kesalahan, terutama ketika gejala penyakit dan kekurangan hara memiliki kemiripan ciri visual. Seiring dengan perkembangan teknologi pengolahan citra dan kecerdasan buatan, pendekatan berbasis pembelajaran mesin menjadi solusi potensial untuk mengotomatisasi proses identifikasi penyakit dan kekurangan hara tanaman. Oleh karena itu, penelitian ini mengangkat permasalahan bagaimana menerapkan metode berbasis Vision Transformer untuk melakukan klasifikasi penyakit dan kekurangan hara pada daun tanaman kopi citra digital.
Penelitian ini memanfaatkan model Vision Transformer sebagai metode utama klasifikasi citra. Data yang digunakan berupa terdapat delapan kelas, yaitu healthy, cercospora, miner, phoma, dan rust, serta kekurangan nitrogen-N, phosphorus-P, dan potassium-K. Tahapan penelitian meliputi proses akuisisi data, prapemrosesan data citra, serta pembagian data. Tahap prapemrosesan data dengan melakukan perubahan ukuran citra menjadi 224 x 224 piksel dan normalisasi piksel serta menerapkan proses augmentasi berupa horizontal flip, vertical flip, rotate, dan color jitter. Dataset dibagi menjadi tiga dengan rasio 80:10:10 untuk data latih, validasi, dan uji. Selanjutnya, model Vision Transformer dilatih beberapa kali menggunakan nilai hyperparameter berbeda untuk menemukan performa terbaik. Proses evaluasi model dilakukan menggunakan data uji dengan memanfaatkan confusion matrix dan classification report untuk mengukur performa model berdasarkan metrik akurasi, precision, recall, dan F1-score.
Hasil penelitian menunjukkan bahwa model mencapai nilai akurasi keseluruhan sebesar 94,3% dengan nilai nilai rata-rata F1-score sebesar 0,924 dengan ukuran hyperparameter batch size 16, learning rate 1e-4, dan weight decay 1e-6. Sebagian besar kelas menunjukkan nilai precision dan recall yang tinggi, meskipun masih terdapat beberapa kesalahan klasifikasi pada kelas-kelas yang memiliki kemiripan ciri visual. Pengujian tambahan menggunakan 10 citra daun kopi tambahan menunjukkan bahwa model tetap mempertahankan performa yang stabil. Dengan demikian, penelitian ini berhasil menghasilkan model klasifikasi untuk identifikasi kondisi kesehatan daun kopi menggunakan arsitektur Vision Transformer yang diharapkan dapat menjadi dasar pengembangan penelitian di masa mendatang.
Kata Kunci: Vision Transformer, daun kopi, klasifikasi citra, penyakit tanaman, kekurangan hara

Item Type:	Tugas Akhir (Tugas Akhir)
Additional Information:	Herdi Andra Fata Rizqi (Penulis) ; Bagus Muhammad Akbar (Pembimbing)
Uncontrolled Keywords:	Vision Transformer, daun kopi, klasifikasi citra, penyakit tanaman, kekurangan hara
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	05 Feb 2026 01:10
Last Modified:	05 Feb 2026 01:10
URI:	http://eprints.upnyk.ac.id/id/eprint/46979

Actions (login required)

View Item