Prasetyo Raharjo, Mohamad Ilham (2022) KLASIFIKASI CITRA PENYAKIT DAUN JAGUNG DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (Cover)
18081010019 - Cover.pdf Download (3MB) | Preview |
|
|
Text (Bab 1)
18081010019 - Bab 1.pdf Download (1MB) | Preview |
|
|
Text (Bab 2)
18081010019 - Bab 2.pdf Download (7MB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Bab 3)
18081010019 - Bab 3.pdf Restricted to Registered users only until 2024. Download (3MB) |
|
|
Text (Bab 4)
18081010019 - Bab 4.pdf Restricted to Registered users only until 2024. Download (6MB) |
|
|
Text (Bab 5)
18081010019 - Bab 5.pdf Download (312kB) | Preview |
|
|
Text (Daftar Pustaka)
18081010019 - Daftar Pustaka.pdf Download (2MB) | Preview |
Abstract
Pada berberapa tahun terakhir, telah banyak berkembang tentang pembelajaran mesin dan pengolahan citra digital, hal tersebut menunjukkan potensi yang besar dalam membantu mempercepat diagnosis penyakit pada tanaman. Perkembangan pencitraan digital memberikan dampak yang cukup signifikan dalam berbagai bidang kehidupan, seperti dalam bidang pertanian. Metode yang diimplementasikan dalam melakukan pengembangan sistem deteksi tersebut adalah Convolutional Neural Network yang merupakan jenis algoritma perkembangan dari algoritma Jaringan Syaraf Tiruan dalam melakukan klasifikasi. Data yang digunakan merupakan dataset dari PlantVillage yang diambil berupa citra daun jagung. Dataset PlantVillage memiliki data sebanyak 3.852 citra berwarna yang memiliki 4 kelas dengan sebaran 3 kelas daun berpenyakit (Blight, Common Rust, Gray Leaf Spot) dan 1 kelas daun sehat (Healthy). Sistem telah berhasil diimplementasikan pada penelitian ini Performa model pembelajaran dari pengujian menggunakan algoritma Convolutional Neural Network yang didapatkan akurasi paling baik adalah struktur yang memiliki 8,16,32 filter pada lapisan konvolusi dan memiliki 256,512,1024 node pada lapisan tersembunyi. Model pembelajaran pada struktur jaringan tersebut dapat mencapai akurasi sebesar 97%. Untuk dapat memanfaatkan model yang telah dilatih agar dapat digunakan dengan mudah nantinya akan dikembangkan pada aplikasi Android.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76.6 Computer Programming |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Mohamad Ilham Prasetyo Raharjo | ||||||||||||
| Date Deposited: | 23 Nov 2022 06:46 | ||||||||||||
| Last Modified: | 23 Nov 2022 06:46 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/10391 |
Actions (login required)
 |
View Item |