KLASIFIKASI PENYAKIT DAUN TEBU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG-19

TARA BLEISA AYOMI, . (2026) KLASIFIKASI PENYAKIT DAUN TEBU MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG-19. Skripsi thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA.

	Text 1_Cover_123220173.pdf Download (139kB)
	Text 2_Abstrak_123220173.pdf Download (240kB)
	Text 3_Halaman Pengesahan_123220173.pdf Download (184kB)
	Text 4_Daftar Isi_123220173.pdf Download (296kB)
	Text 5_Daftar Pustaka_123220173.pdf Download (210kB)
	Text 6_Skripsi Full_123220173.pdf Restricted to Repository staff only Download (7MB)

Abstract

Tebu (Saccharum officinarum L.) merupakan komoditas perkebunan strategis di Indonesia, namun produksinya sering kali mengalami fluktuasi akibat serangan penyakit pada daun. Identifikasi penyakit secara konvensional memerlukan waktu dan keahlian khusus, sehingga diperlukan solusi teknologi untuk deteksi dini yang cepat dan akurat. Penelitian ini bertujuan untuk membangun model klasifikasi penyakit daun tebu guna meminimalkan risiko penurunan hasil produksi melalui penanganan yang lebih awal.
Metode yang digunakan dalam penelitian ini adalah Deep Learning dengan algoritma Convolutional Neural Network (CNN) menggunakan arsitektur VGG-19 dan pendekatan transfer learning. Dataset yang digunakan merupakan data sekunder sebanyak 2.621 citra yang terbagi ke dalam enam kelas, yaitu Bacterial Blight, Healthy, Mosaic, RedRot, Rust, dan Yellow. Tahapan penelitian meliputi pengumpulan data, preprocessing (pembagian data, augmentasi, resize, dan normalisasi), penerapan arsitektur model, hingga pengujian performa model. Selain itu, dilakukan evaluasi model menggunakan confusion matrix untuk mengukur tingkat kinerja model dalam mengklasifikasi citra penyakit daun tebu.
Hasil penelitian menunjukkan bahwa arsitektur VGG-19 efektif dalam mengklasifikasikan jenis penyakit daun tebu. Konfigurasi model terbaik diperoleh dengan menggunakan optimizer Adam, batch size 32, learning rate pertama 0,001, learning rate kedua 0,0001, serta jumlah epoch masing-masing 15 dan 20. Pengujian pada konfigurasi tersebut menghasilkan nilai akurasi sebesar 95%. Sistem yang dibangun berhasil memproses citra daun tebu dalam format .jpg, .jpeg, dan .png serta menampilkan hasil prediksi penyakit secara real-time kepada pengguna.

Kata Kunci: Convolutional Neural Network, Penyakit Daun Tebu, VGG-19, Transfer Learning.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	TARA BLEISA AYOMI (Penulis - 123220173); BAMBANG YUWONO (Pembimbing)
Uncontrolled Keywords:	Convolutional Neural Network, Penyakit Daun Tebu, VGG-19, Transfer Learning.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	22 Apr 2026 00:50
Last Modified:	22 Apr 2026 00:50
URI:	http://eprints.upnyk.ac.id/id/eprint/47885

Actions (login required)

View Item