Ramadhan, Aliefian and Muhammad Reza, Fahlefi and Ryan Bagus, Bimantoro and Naufaldy Akbar, Endhardin (2024) Analisis Perbandingan Metode CNN Model Densenet121 dan Densenet201 dalam Mendeteksi Penyakit pada Daun Padi. unikom. (Submitted)
![[img]](https://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text
Analisis Perbandingan Metode CNN Model Densenet121 dan Densenet201 dalam Mendeteksi Penyakit pada.docx Download (424kB) |
|
![[img]](https://repository.upnjatim.ac.id/51104/2/image3.jpeg)
|
Image
image3.jpeg Download (21kB) | Preview |
|
![[img]](https://repository.upnjatim.ac.id/51104/3/image4.png)
|
Image
image4.png Download (67kB) | Preview |
|
![[img]](https://repository.upnjatim.ac.id/51104/4/image6.png)
|
Image
image6.png Download (65kB) | Preview |
|
![[img]](https://repository.upnjatim.ac.id/51104/5/image7.png)
|
Image
image7.png Download (52kB) | Preview |
|
![[img]](https://repository.upnjatim.ac.id/51104/6/image2.png)
|
Image
image2.png Download (85kB) | Preview |
|
![[img]](https://repository.upnjatim.ac.id/51104/7/image1.png)
|
Image
image1.png Download (3kB) | Preview |
|
![[img]](https://repository.upnjatim.ac.id/51104/8/image5.png)
|
Image
image5.png Download (51kB) | Preview |
|
|
Text
tes0307.html Download (228kB) |
Abstract
Nasi adalah makanan pokok di Indonesia yang memiliki peran penting dalam sektor pertanian dan ekonomi nasional. Namun, penyakit yang menyerang daun padi menjadi ancaman serius terhadap hasil panen dan ketahanan pangan. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja model Convolutional Neural Network (CNN) DenseNet121 dan DenseNet201 dalam mendeteksi penyakit pada daun padi. Dataset yang digunakan terdiri dari 240 sampel, yang dibagi menjadi 80% data pelatihan dan 20% data pengujian. Setiap gambar dinormalisasi, dan diproses dengan batch size sebesar 32 selama 30 epoch. Metode evaluasi yang digunakan meliputi akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa DenseNet201 lebih unggul dibandingkan DenseNet121 dalam semua metrik. DenseNet121 mencapai akurasi sebesar 83%, sedangkan DenseNet201 mencapai akurasi yang jauh lebih tinggi yaitu 97%. Temuan ini menunjukkan kemampuan DenseNet201 lebih baik dalam menangani kompleksitas dataset dan mendeteksi penyakit daun padi dengan lebih efektif. Hasil penelitian ini memberikan wawasan bagi peneliti dalam memilih model yang optimal untuk deteksi penyakit tanaman.
| Item Type: | Article |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Depositing User: | Ryan Bimantoro |
| Date Deposited: | 03 Jul 2026 07:53 |
| Last Modified: | 03 Jul 2026 08:05 |
| URI: | https://repository.upnjatim.ac.id/id/eprint/51104 |
Actions (login required)
 |
View Item |