KLASIFIKASI CITRA PENYAKIT DAUN ANGGUR MENGGUNAKAN COMPLEX-VALUED NEURAL NETWORK

Putri, Irma Amanda (2024) KLASIFIKASI CITRA PENYAKIT DAUN ANGGUR MENGGUNAKAN COMPLEX-VALUED NEURAL NETWORK. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) 20083010013 -cover.pdf Download (1MB)
	Text (bab 1) 20083010013 -bab1.pdf Download (314kB)
	Text (bab 2) 20083010013 -bab2.pdf Restricted to Repository staff only until 30 May 2026. Download (629kB)
	Text (bab 3) 20083010013 -bab3.pdf Restricted to Repository staff only until 30 May 2026. Download (723kB)
	Text (bab 4) 20083010013 -bab4.pdf Restricted to Repository staff only until 30 May 2026. Download (2MB)
	Text (bab 5) 20083010013 -bab5.pdf Download (185kB)
	Text (Daftar Pustaka) 20083010013 -daftarpustaka.pdf Download (413kB)
	Text (Lampiran) 20083010013 -lampiran.pdf Restricted to Repository staff only until 30 May 2026. Download (1MB)

Abstract

Penyakit daun merupakan tantangan serius dalam industri pertanian yang memengaruhi kualitas dan hasil panen terutama pada tanaman anggur. Pengenalan dini dan klasifikasi penyakit daun anggur menjadi sangat penting untuk memungkinkan petani mengambil langkah-langkah pencegahan yang tepat dalam menjaga kesehatan tanaman mereka. Penelitian menggunakan pendekatan inovatif berbasis Complex-Valued Neural Network (CVNN) untuk mengatasi masalah tersebut. Metode ini mencakup tahapan pelatihan jaringan saraf untuk mempelajari pola kompleks yang mungkin sulit ditemukan oleh model tradisional. Dengan menggunakan CVNN, penelitian ini berupaya mengidentifikasi dan mengklasifikasikan penyakit daun anggur melalui serangkaian eksperimen. Eksperimen dilakukan dengan menggunakan model CVNN dengan optimizer Adamax selama 50 epoch. Hasilnya menunjukkan bahwa model tersebut mampu mencapai akurasi sebesar 99.72% dengan nilai loss sebesar 0.0070. Temuan ini menunjukkan bahwa pendekatan CVNN efektif dalam mengklasifikasikan citra penyakit daun anggur dengan tingkat akurasi yang sangat tinggi, memberikan harapan untuk penggunaan teknologi ini dalam mendukung praktik pertanian yang berkelanjutan.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Prasetya, Dwi Arman	NIDN0005128001	arman.prasetya.sada@upnjatim.ac.id
Thesis advisor	Fahrudin, Tresna Maulana	NIDN0701059301	tresna.maulana.ds@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.6 Computer Programming

Divisions:

Faculty of Computer Science > Departemen of Data Science

Depositing User:

Irma Amanda Putri

Date Deposited:

30 May 2024 07:55

Last Modified:

26 Jun 2024 04:40

URI:

https://repository.upnjatim.ac.id/id/eprint/23504