Fitri, Amirah Aulia (2022) PERBANDINGAN ARSITEKTUR VGG-16 DAN RESNET-50 DENGAN OPTIMASI ADAM DAN RMSPROP PADA KLASIFIKASI CITRA PENYAKIT DAUN PADI. Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (Cover)
18081010029_cover.pdf Download (1MB) | Preview |
|
|
Text (Bab 1)
18081010029_Bab1.pdf Download (90kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Bab 2)
18081010029_Bab2.pdf Restricted to Registered users only until 11 July 2025. Download (677kB) |
|
|
Text (Bab 3)
18081010029_Bab3.pdf Restricted to Registered users only until 11 July 2025. Download (600kB) |
|
|
Text (Bab 4)
18081010029_Bab4.pdf Restricted to Registered users only until 11 July 2025. Download (893kB) |
|
|
Text (Bab 5)
18081010029_Bab5.pdf Download (9kB) | Preview |
|
|
Text (Daftar Pustaka)
18081010029_Daftar_pustaka.pdf Download (153kB) | Preview |
Abstract
Padi atau yang memiliki nama latin Oryza Sativa merupakan salah satu tanaman yang penting di Indonesia. Pada penelitian ini, peneliti melakukan klasifikasi penyakit daun padi sebanyak 16.000 untuk 4 kelas yaitu Bacterial leaf blight, Brown spot, Health dan Leaf smut. Peneliti menggunakan arsitektur VGG-16 dan Resnet-50 dengan optimizer Adam dan RMSprop untuk melakukan klasifikasi pada dataset yang terbatas. Proses dimulai dari tahap preprocessing data dilanjutkan dengan perancangan algoritma Transfer learning arsitektur VGG-16 dan ResNet-50. kemudian data dilatih menggunakan model Terlatih VGG-16 dan Resnet-50, setelah itu model akan diuji dengan data uji/validasi. hasil pengujian dilakukan dengan mengevaluasi model. Setelah itu penulis membandingkan hasil evaluasi model untuk mengetahui performansi arsitektur CNN terbaik. Selanjutnya akan dilakukan pada tahap penyusunan laporan skripsi. Pre-Trained model VGG-16 menghasilkan akurasi terbaik menggunakan Optimizer Adam daripada Optimizer RMSprop dengan akurasi 98% dan 96%, Pre- Trained model ResNet-50 menghasilkan akurasi terbaik menggunakan Optimizer RMSprop daripada Optimizer Adam dengan akurasi 70% dan 69%, Pada pelatihan dan pengujian di data validasi/uji dan pada 20 Gambar dari google image, Pre-Trained model VGG-16 dengan optimizer Adam menghasilkan akurasi terbesar yaitu masing- masing sebesar 98% dan 80%. Kata kunci: VGG-16, ResNet-50, Adam, RMSprop, Penyakit Daun Padi
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > T Technology (General) | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | amirah aulia fitri | ||||||||||||
| Date Deposited: | 12 Jul 2022 01:48 | ||||||||||||
| Last Modified: | 12 Jul 2022 01:48 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/7386 |
Actions (login required)
 |
View Item |