KLASIFIKASI PENYAKIT JAGUNG BERDASARKAN DAUN MENGGUNAKAN RESNET-50

Anaz, Athaya Ashila Diaz Ilyasa (2025) KLASIFIKASI PENYAKIT JAGUNG BERDASARKAN DAUN MENGGUNAKAN RESNET-50. D3 - Diploma thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (177kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (551kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (646kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (491kB)
	Text (BAB V) BAB V.pdf Download (47kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (126kB)
	Archive (SOURCE CODE) Sourcecode - 22.01.4757.zip Restricted to Repository staff only Download (4MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (2MB)

Abstract

Jagung adalah tanaman pangan yang sangat populer di Indonesia, menduduki peringkat kedua di dunia setelah tebu. Data dari Badan Pusat Statistik (BPS) menunjukkan bahwa produksi jagung di Indonesia pada tahun 2023 mencapai 14,77 juta ton, menjadikannya salah satu komoditas pertanian terpenting. Namun, banyak petani masih kesulitan dalam mengidentifikasi penyakit yang menyerang tanaman jagung mereka, yang sering kali terlihat dari gejala pada daun. Penelitian ini mengimplementasikan metode deep learning untuk mengatasi masalah tersebut. Secara spesifik, penelitian ini bertujuan untuk membangun dan mengevaluasi kinerja arsitektur Convolutional Neural Network (CNN) ResNet-50 menggunakan pendekatan transfer learning untuk tugas klasifikasi penyakit daun jagung. Model dilatih dan diuji menggunakan dataset publik berisi 4.000 citra yang terdiri dari empat kelas: Daun Sehat, serta daun yang terinfeksi oleh tiga jenis penyakit, yaitu Bercak Daun, Hawar Daun, dan Karat Daun. Hasil pengujian model ResNet-50 pada data uji menunjukkan kinerja yang sangat baik, dengan pencapaian akurasi sebesar 95,70% dan F1-Score 0.9573. Tingkat keberhasilan yang tinggi ini membuktikan bahwa arsitektur ResNet-50 merupakan metode yang efektif dan dapat diandalkan untuk membantu proses identifikasi penyakit daun jagung secara otomatis.

Actions (login required)

View Item