Klasifikasi Penyakit Daun Pada Tanaman Anggur  Menggunakan Convolutional Neural Network Dengan Arsitektur Mobilenet

MUHAMMAD ASAR MITER

Informasi Umum

Kode

23.04.6076

Klasifikasi

006.32 - Neural networks, perceptrons, connectionism, neural computers

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Tugas Akhir

Dilihat

69 kali

Informasi Lainnya

Abstraksi

Anggur adalah tanaman buah berupa perdu merambat yang termasuk kedalam keluarga vitacae yang hidup pada dataran rendah. Dalam 5 tahun terakhir sejak 2016 sampai 2021 produksi buah anggur di indonesia bertambah setiap tahunnya yang berdampak positif terhadap perekonomian petani anggur. Penyebab baik dan buruk kualitas buah anggur yaitu jamur dan hama yang melekat pada tangaman anggur apabila tidak dicegah dan diobati akan mengalami penurunan kualitas rasa buah anggur dan bisa terjadi gagal panen. Salah satu penyakit pada tanaman anggur yaitu penyakit pada daun anggur, penyakit pada daun anggur ini dapat dilihat secara kasat mata, tetapi memiliki kemiripan yang sama makan akan sulit membedakan dari warna dan tekstur pada daun. Oleh karena itu penelitian ini akan membuat sebuah sistem yang dapat mendeteksi dan mengklasifikasi penyakit pada daun pada tanaman anggur secara otomatis

Penelitian ini merancang sebuah sistem otomatis yang digunakan untuk mengklasifikasi penyakit daun anggur menggunakan Convolutional Neural Network dengan arsitektur MobileNet. Tahapan pada penelitian ini dimulai dengan memasukan citra daun anggur lalu melakukan preprocessing, lalu hasil dari proses preprocessing dilakukan dilakukan pelatihan terhadap optimizer dan tahap terakhir untuk mengklasifikasikan data citra menjadi 4 kelas yang terdiri dari healthy , black rot, black measles dan isariopsis leaf spot. Preprocessing yang digunakan yaitu CLAHE, gaussian filter dan untuk Optimizer yang digunakan yaitu SGD dan Adam.Hasil akhir dari penelitian ini menunjukan bahwa optimizer terbaik yaitu optimizer Adam dengan menggunakan preprocessing CLAHE pada epoch 50 dan learning rate 0.001 sehingga mendapatkan nilai akurasi yang cukup bagus yaitu train accuracy 98,973% dan test accuracy 95,200% dengan nilai train loss 0.008 dan test loss 0.018. Selain itu hasil performansi sistem berupa akurasi rata rata 97.5%, presisi 95.5%, recall 95% dan F1-score 95.5%

Kata Kunci : Daun Anggur, Convolutional Neural Network (CNN), MobileNet, Penyakit, citra daun tanaman anggur.