KLASIFIKASI CITRA PENYAKIT DAUN PADI MENGGUNAKAN MODEL DEEP LEARNING EFFICIENTNET B7 DENGAN TRANSFER LEARNING

Satria, Angga Dwi (2023) KLASIFIKASI CITRA PENYAKIT DAUN PADI MENGGUNAKAN MODEL DEEP LEARNING EFFICIENTNET B7 DENGAN TRANSFER LEARNING. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR.

Preview	Text (COVER) 18081010154-COVER.pdf Download (911kB) | Preview
Preview	Text (BAB1) 18081010154-BAB1.pdf Download (68kB) | Preview
	Text (BAB2) 18081010154-BAB2.pdf Restricted to Repository staff only until 11 September 2025. Download (878kB)
	Text (BAB3) 18081010154-BAB3.pdf Restricted to Repository staff only until 11 September 2025. Download (404kB)
	Text (BAB4) 18081010154-BAB4.pdf Restricted to Repository staff only until 11 September 2025. Download (1MB)
Preview	Text (BAB5) 18081010154-BAB5.pdf Download (60kB) | Preview
Preview	Text (DAFTARPUSTAKA) 18081010154-DAFTARPUSTAKA.pdf Download (187kB) | Preview

Abstract

Peningkatan produksi padi dapat menurun dikarenakan adanya masalah hama dan penyakit. Gangguan hama dan penyakit dapat menghambat produktivitas tanaman padi, sehingga banyak kehilangan hasil yang disebabkan gangguan tersebut. Gejala yang disebabkan oleh hama dan penyakit ini sulit dibedakan, oleh karena itu penelitian ini bertujuan sebagai solusi dengan menggabungkan ilmu pertanian dengan komputer untuk mengklasifikasikan penyakit daun padi secara otomatis dan mudah digunakan oleh ahli maupun non ahli, sehingga penyebaran penyakit dapat dikendalikan dengan cepat. Untuk mengklasifikasikan citra membutuh fitur maupun karakteristik yang baik agar citra penyakit dapat diklasifikasikan. Pada penelitian ini menggunakan metode Deep Learning yaitu Convolutional Neural Network dengan arsitektur Efficientnet-B7 yang dapat mengekstraksi fitur dari citra yang beresolusi besar dengan sangat baik. Pada penelitian ini menghasilkan akurasi pengklasifisikasian citra penyakit brown spot, leaf blast, hispa menggunakan arsitektur Efficientnet-B7 dengan Transfer Learning mencapai 87,7%, dan loss hanya 0,3400.

Item Type:	Thesis (Undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Email Thesis advisor Nugroho, Budi NIDN0707098003 budinugroho.if@upnjatim.ac.id Thesis advisor Sihananto, Andreas Nugroho NIDN0012049005 andreas.nugroho.jarkom@upnjatim.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Computer Science > Departemen of Informatics
Depositing User:	Angga Satria
Date Deposited:	25 Sep 2023 07:19
Last Modified:	25 Sep 2023 07:19
URI:	http://repository.upnjatim.ac.id/id/eprint/18186

Actions (login required)

View Item