PENERAPAN MODEL RESNET UNTUK KLASIFIKASI PENYAKIT TANAMAN PADI DARI CITRA DIGITAL

Muyasaroh, Ummi (2025) PENERAPAN MODEL RESNET UNTUK KLASIFIKASI PENYAKIT TANAMAN PADI DARI CITRA DIGITAL. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (186kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (673kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (267kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (699kB)
	Text (BAB V) BAB V.pdf Download (88kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (161kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.3878.zip Restricted to Repository staff only Download (351kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (683kB)

Abstract

Penyakit pada tanaman padi merupakan ancaman serius yang dapat menyebabkan kerugian hasil panen signifikan, berdampak langsung pada ketahanan pangan dan ekonomi petani. Identifikasi dini dan akurat sangat krusial untuk mitigasi dampak tersebut. Penelitian ini mengatasi masalah ini dengan mengembangkan sistem deteksi penyakit daun padi menggunakan citra digital. Metode yang diterapkan adalah Convolutional Neural Network (CNN) dengan arsitektur ResNet50 yang memanfaatkan transfer learning dari pre-trained weights ImageNet. Data citra digital daun padi yang terdiri dari kelas blast, blight, dan tungro diolah melalui pra-pemrosesan seperti resizing dan augmentasi data, terutama pada kelas tungro, untuk memperkaya variasi data. Model dilatih dengan optimizer Adam dan loss function categorical crossentropy selama 10 epoch. Hasil penelitian menunjukkan kinerja model yang sangat baik, mencapai akurasi sebesar 96% pada data validasi. Model ini juga menunjukkan precision, recall, dan f1-score yang tinggi untuk setiap kelas penyakit. Hasil ini secara signifikan berkontribusi pada pengembangan alat bantu diagnostik yang cepat dan akurat, yang dapat dimanfaatkan langsung oleh petani, peneliti pertanian, dan pihak terkait dalam upaya pencegahan serta penanganan penyakit padi untuk menjaga produktivitas pertanian. Penelitian selanjutnya dapat mempertimbangkan penambahan variasi data dan eksplorasi arsitektur model lain untuk meningkatkan generalisasi.

Actions (login required)

View Item