IMPLEMENTASI CNN-EFFICIENTNETB3 UNTUK KLASIFIKASI KESEHATAN TANAMAN CABAI BERBASIS CITRA INDEKS VEGETASI MENGGUNAKAN KAMERA MULTISPEKTRAL - Dalam bentuk buku karya ilmiah

ADITIA DIKA PUTRA LAKSAMANA

Informasi Umum

Kode

24.04.5470

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Tugas Akhir

Dilihat

93 kali

Informasi Lainnya

Abstraksi

Penelitian ini bertujuan mengembangkan sistem klasifikasi kesehatan tanaman berbasis model klasifikasi CNN-EfficientNetB3 dengan memanfaatkan nilai Normalized Difference Vegetation Index (NDVI). Hal ini sejalan dengan tujuan global yang tertuang dalam Sustainable Development Goals (SDGs) Perserikatan Bangsa-Bangsa, khususnya pada tujuan Zero Hunger, yang juga diadopsi oleh Indonesia dalam Pilar Pembangunan Indonesia 2045 untuk memastikan ketahanan pangan dan meningkatkan kesejahteraan petani. Tanaman cabai (Capsicum annuum) menjadi salah satu fokus penting karena memiliki peran signifikan dalam industri pertanian dan pangan. Namun, tantangan dalam budidaya cabai, seperti penyakit dan hama, dapat menyebabkan penurunan hasil dan kualitas produk pertanian. Penelitian ini menggunakan pendekatan kerangka berpikir IS-Research Hevner dan metodologi penelitian data mining CRISP-DM. Pengumpulan data dilakukan dengan kamera multispektral Mapir Survey 3W, kemudian dilakukan segmentasi gambar serta perhitungan NDVI untuk pelabelan data gambar. Dataset yang terbentuk digunakan dalam training pemodelan klasifikasi CNN-EfficientNetB3. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan tingkat kesehatan tanaman cabai dengan akurasi rata-rata 90,45%. Model ini diimplementasikan dalam bentuk website agar mudah digunakan oleh petani dan pemangku kepentingan lainnya. Meskipun demikian, masih terdapat potensi peningkatan kinerja model dengan mengatasi masalah overfitting.