PERBANDINGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN DEEP NEURAL NETWORK UNTUK DETEKSI PENYAKIT ANTRAKNOSA PADA BUAH PISANG

Cahyani, Atika Dwi (2024) PERBANDINGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN DEEP NEURAL NETWORK UNTUK DETEKSI PENYAKIT ANTRAKNOSA PADA BUAH PISANG. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (185kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (821kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (384kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (661kB)
	Text (BAB V) BAB V.pdf Download (55kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (827kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3671.zip Restricted to Repository staff only Download (225MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Pisang merupakan salah satu komoditas unggulan di Indonesia yang memiliki nilai ekonomi yang tinggi. Meskipun memiliki potensi yang besar, industri pisang dihadapkan pada berbagai tantangan, salah satunya adalah penurunan kualitas buah akibat serangan penyakit seperti antraknosa yang disebabkan oleh jamur Colletotrichum musae. Sehingga dapat mengakibatkan kerugian ekonomi bagi petani pisang. Untuk mengatasi masalah ini, diperlukan identifikasi penyakit tanaman buah pisang secara efesien dan akurat. Penelitian ini mengusulkan penggunaan metode Deep Learning yaitu Convolutional Neural Network (CNN) dan Deep Neural Network (DNN). Penelitian ini bertujuan untuk membandingkan akurasi kedua model tersebut, performa model mana yang lebih baik dalam mendeteksi penyakit antraknosa pada buah pisang. Data citra buah pisang yang digunakan berjumlah 1020, dimana 80% digunakan untuk data pelatihan, 10% untuk data validasi, dan 10% untuk data pengujian. Berdasarkan hasil pengujian, model CNN dan DNN menghasilkan akurasi yang signifikan untuk klasifikasi citra buah pisang. Optimizer Adam dan 20 epoch menghasilkan akurasi tertinggi pada model CNN dan DNN, untuk CNN mencapai 97.06% dan DNN mencapai akurasi sebesar 88.24%. Hal tersebut menunjukkan bahwa model CNN lebih unggul dibandingkan model DNN dalam mengklasifikasikan citra buah pisang.

Actions (login required)

View Item