IMPLEMENTASI ALGORITMA VIT (VISION TRANSFORMER) PADA CITRA PENYAKIT TANAMAN JAGUNG

Aroda, Andaafiqi (2025) IMPLEMENTASI ALGORITMA VIT (VISION TRANSFORMER) PADA CITRA PENYAKIT TANAMAN JAGUNG. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (953kB)
	Text (BAB I) BAB I.pdf Download (183kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (582kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (363kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (318kB)
	Text (BAB V) BAB V.pdf Download (54kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (443kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.2014.zip Restricted to Repository staff only Download (179MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Jagung merupakan salah satu tanaman pangan utama dunia yang menempati peringkat ketiga setelah padi dan gandum secara global, serta peringkat kedua di Indonesia sebagai komoditas pangan setelah padi. Selain sebagai sumber pangan, jagung juga dimanfaatkan sebagai pakan ternak dan bahan baku industri bioenergi. Kemampuannya sebagai tanaman C4 menjadikan jagung efisien dalam penggunaan air dan tahan terhadap suhu tinggi. Namun, serangan penyakit daun seperti karat daun, hawar daun, dan bercak daun dapat menurunkan produktivitas dan kualitas hasil panen, dikarenakan dapat menyulitkan petani pemula, dalam membedakan jenis penyakit secara visual. Penelitian ini menerapkan algoritma deep learning berbasis Vision Transformer (ViT) untuk mengklasifikasikan penyakit pada daun jagung. Model ViT dipilih karena kemampuannya dalam menangkap visual secara menyeluruh melalui mekanisme selfattention, serta keunggulannya dalam memproses citra beresolusi tinggi. Penelitian ini menggunakan model pretrain sebagai dasar pembentukan model dan dataset umum dari Kaggle, serta tidak membandingkan antara arsitektur ViT dengan arsitektur deep learning lain. Fokus utama penelitian ini hanya pada kinerja ViT dalam melakukan klasifikasi gambar klasifikasi gambar tanpa mencakup diagnosis lanjutan. Hasil dari penelitian ini menunjukkan bahwa model ViT mampu mencapai akurasi hingga 99%, dengan performa klasifikasi yang cukup stabil meskipun terdapat sedikit kesalahan prediksi. Temuan ini menunjukkan bahwa ViT merupakan pendekatan yang potensial dalam mendeteksi penyakit daun tanaman jagung secara dini dan akurat, serta dapat menjadi solusi teknologi pertanian berbasis kecerdasan buatan. Pengembangan lebih lanjut terhadap model ViT dapat dilakukan agar mendapat hasil yang lebih akurat dan dalam klasifikasi terhadap citra gambar.

Actions (login required)

View Item