23.04.6353
004.21 - Systems Analysis and Computer Design
Karya Ilmiah - Skripsi (S1) - Reference
Tugas Akhir
17 kali
<div>Penyakit tanaman menjadi masalah karena dapat menyebabkan penurunan kualitas dan kuantitas produk pertanian serta peningkatan biaya total kerusakan. Penyakit tanaman bisa diketahui dari kondisi daun pada tanaman. Pada zaman modern ini telah terdapat penelitian yang dapat mengklasifikasi penyakit dengan menggunakan citra daun tanaman. Metode tersebut yaitu dengan menggunakan Convolutional Neural Network (CNN).</div>
<div> </div>
<div>Pada Tugas Akhir ini mengusulkan <em>InceptionV3 </em>sebagai arsitektur CNN. <em>InceptionV3 </em>adalah arsitektur CNN yang dikemukakan oleh <em>Google </em>yang bisa melatih data sampai 1000 kelas dan lebih dari 1.4 juta citra. Dataset yang digunakan pada penelitian ini bersumber dari kaggle.com dan PlantVilagge. Dataset berisi 10800 citra daun dengan format .jpeg.</div>
<div> </div>
<div>Pengklasifikasi pada citra dibagi menjadi 9 kelas yaitu 2 kelas pada paprika, 3 kelas pada kentang, dan 4 kelas pada tomat. Parameter yang digunakan adalah akurasi, sensitivitas, presisi, dan <em>f1score</em>. Hasil pengujian terbaik didapatkan menggunakan <em>optimizer </em>SGD, <em>learning rate </em>0.001, <em>batch size </em>32, <em>epoch </em>100 memperoleh tingkat akurasi 91% dan <em>loss </em>0.2568, presisi 91%, sensitivitas(<em>recall</em>) 91%, dan <em>F1score </em>91%.</div>
<div> </div>
<div> <p>Kata Kunci: Penyakit tanaman, InceptionV3, CNN.</p> </div>
Tersedia 1 dari total 1 Koleksi
Nama | FAUZAN CAHYADI |
Jenis | Perorangan |
Penyunting | Syamsul Rizal, Sofia Saidah |
Penerjemah |
Nama | Universitas Telkom, S1 Teknik Telekomunikasi |
Kota | Bandung |
Tahun | 2023 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |