DETEKSI PENYAKIT TANAMAN PADI BERBASIS DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Fawaiq, Mohammad Nur (2023) DETEKSI PENYAKIT TANAMAN PADI BERBASIS DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.52.2116 Mohammad Nur Fawaiq.pdf Download (5MB)

Abstract

Padi merupakan sumber makanan pokok bagi sebagian besar masyarakat di dunia, termasuk Indonesia yang merupakan negara agraris dimana sebagian besar penduduknya menanam dan mengkonsumsi padi. Tentu saja tanaman padi juga memiliki berbagai penyakit terutama pada daun yaitu diantaranya blast, blight, dan tungro. Jika infeksi atau penyakit pada tanaman padi tidak segera diidentifikasi sejak dini maka akan menurunkan produksi dan merugikan petani. Untuk menangani masalah ini dapat memanfaatkan bidang informatika dalam mengidentifikasi penyakit dengan menggunakan image processing dan image classification. Tahapan penelitian dimulai dari identifikasi masalah, studi literatur, penentuan algoritma dan metode. Setelah itu mulai mengumpulkan dataset publik, melakukan augmentasi dataset, kemudian eksperimen training data dengan beberapa skenario dan arsitektur, lalu mengevaluasi hasil percobaan, dan terakhir menarik kesimpulan serta menulis laporan. Dataset diambil dari repository publik kaggle dan augmentasi data juga digunakan dalam penelitian ini untuk memperbanyak dataset guna meningkatkan akurasi data training. Dengan latar belakang tersebut maka diusulkan pendekatan sistem pendeteksian penyakit pada daun padi dengan metode deep learning menggunakan Convolutional Neural Network (CNN) dan beberapa perbandingan arsitektur yaitu VGG16, NASNetMobile, Xception, dan satu arsitektur Custom X. Hasil eksperimen paling baik diperoleh menggunakan arsitektur Xception yang menghasilkan akurasi training 99.65%, akurasi validasi 99.31%, dan akurasi testing 99.31%.

Actions (login required)

View Item