@prefix dct: .
@prefix skos: .
@prefix void: .
@prefix bibo: .
@prefix rdfs: .
@prefix rdf: .
@prefix event: .
@prefix eprel: .
@prefix geo: .
@prefix dc: .
@prefix xsd: .
@prefix ep: .
@prefix owl: .
@prefix epid: .
@prefix cc: .
@prefix foaf: .
<>
foaf:primaryTopic ;
rdfs:comment "The repository administrator has not yet configured an RDF license."^^xsd:string .
dct:hasPart ;
ep:hasFile ;
rdf:type bibo:Document,
ep:Document;
rdfs:label "IDENTIFIKASI PENYAKIT TANAMAN JAGUNG BERDASARKAN\r\nCITRA DAUN MENGGUNAKAN COVOLUTIONAL NEURAL\r\nNETWORK (Text)"^^xsd:string .
rdf:_1 .
<> ;
bibo:abstract "Penelitian ini berjudul “Identifikasi Penyakit Tanaman Jagung Berdasarkan Citra\r\nDaun Menggunakan Convolutional Neural Network (CNN)” yang bertujuan untuk\r\nmengembangkan model klasifikasi otomatis dalam mendeteksi penyakit pada daun\r\njagung guna membantu petani melakukan diagnosis dini secara cepat dan akurat.\r\nData penelitian diperoleh dari dataset publik Corn or Maize Leaf Disease Dataset\r\nyang berjumlah 4.188 citra dan terbagi ke dalam empat kelas, yaitu Blight, Common\r\nRust, Gray Leaf Spot, dan Healthy. Proses pra-pemrosesan citra dilakukan\r\nmenggunakan metode Contrast Limited Adaptive Histogram Equalization\r\n(CLAHE) untuk meningkatkan kontras dan memperjelas detail tekstur daun\r\nsebelum dilakukan pelatihan model. Arsitektur yang digunakan adalah ResNet-50\r\ndengan penambahan modul Convolutional Block Attention Module (CBAM) serta\r\nperbandingan beberapa optimizer seperti Adam dan SGD dengan variasi learning\r\nrate untuk memperoleh konfigurasi terbaik. Hasil penelitian menunjukkan bahwa\r\nkombinasi ResNet-50 + CBAM dengan optimizer SGD dan learning rate 0.01\r\nmenghasilkan kinerja terbaik dengan nilai akurasi sebesar 96,03%, precision\r\n96,03%, dan recall 96.03%, yang menunjukkan keseimbangan performa dalam\r\nmengenali serta mengklasifikasikan penyakit pada daun jagung. Penggunaan\r\nmetode CLAHE terbukti mampu meningkatkan kualitas citra dan membantu model\r\ndalam mengekstraksi fitur penting secara lebih efektif. Dengan demikian,\r\npendekatan ResNet-50 + CBAM dan teknik pra-pemrosesan CLAHE dinilai efektif\r\ndalam mengidentifikasi penyakit daun jagung secara akurat serta berpotensi\r\ndikembangkan lebih lanjut untuk sistem deteksi penyakit tanaman berbasis citra\r\ndigital."^^xsd:string;
bibo:authorList ;
bibo:status ;
dc:hasVersion ;
dct:creator ,
;
dct:date "2026-02-02";
dct:isPartOf ;
dct:issuer ,
;
dct:subject ,
;
dct:title "IDENTIFIKASI PENYAKIT TANAMAN JAGUNG BERDASARKAN\r\nCITRA DAUN MENGGUNAKAN COVOLUTIONAL NEURAL\r\nNETWORK"^^xsd:string;
ep:hasDocument ;
ep:hasPublished ;
rdf:type bibo:Article,
bibo:Thesis,
ep:EPrint,
ep:ThesisEPrint;
rdfs:seeAlso .
rdf:type skos:Concept;
skos:prefLabel "000 Ilmu komputer, informasi dan pekerjaan umum"@en .
rdf:type skos:Concept;
skos:prefLabel "005 Pemrograman komputer, program dan data"@en .
rdfs:label "24.51.1560 Dwi Septiyani Arwin.pdf"^^xsd:string .
dc:format "text/html";
dc:title "HTML Summary of #31771 \n\nIDENTIFIKASI PENYAKIT TANAMAN JAGUNG BERDASARKAN
\nCITRA DAUN MENGGUNAKAN COVOLUTIONAL NEURAL
\nNETWORK\n\n";
foaf:primaryTopic .
dct:isPartOf ;
foaf:name "Pascasarjana Magister Informatika, Universitas AMIKOM Yogyakarta"^^xsd:string;
rdf:type foaf:Organization .
dct:hasPart ;
foaf:name "Universitas AMIKOM Yogyakarta"^^xsd:string;
rdf:type foaf:Organization .
foaf:familyName "Arwin"^^xsd:string;
foaf:givenName "Dwi Septiyani"^^xsd:string;
foaf:name "Dwi Septiyani Arwin"^^xsd:string;
rdf:type foaf:Person .
foaf:familyName "Utami"^^xsd:string;
foaf:givenName "Ema"^^xsd:string;
foaf:name "Ema Utami"^^xsd:string;
rdf:type foaf:Person .