eprintid: 31771
rev_number: 10
eprint_status: archive
userid: 12
dir: disk0/00/03/17/71
datestamp: 2026-06-29 02:49:20
lastmod: 2026-06-29 02:49:20
status_changed: 2026-06-29 02:49:20
type: thesis
metadata_visibility: show
creators_name: Arwin, Dwi Septiyani
creators_nim: 24.51.1560
contributors_name: Utami, Ema
corp_creators: Universitas AMIKOM Yogyakarta
title: IDENTIFIKASI PENYAKIT TANAMAN JAGUNG BERDASARKAN
CITRA DAUN MENGGUNAKAN COVOLUTIONAL NEURAL
NETWORK
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.005
divisions: mti
full_text_status: public
keywords: Convolutional Neural Network, ResNet-50, CBAM, CLAHE, Penyakit Daun Jagung, Corn Leaf.
abstract: Penelitian ini berjudul “Identifikasi Penyakit Tanaman Jagung Berdasarkan Citra
Daun Menggunakan Convolutional Neural Network (CNN)” yang bertujuan untuk
mengembangkan model klasifikasi otomatis dalam mendeteksi penyakit pada daun
jagung guna membantu petani melakukan diagnosis dini secara cepat dan akurat.
Data penelitian diperoleh dari dataset publik Corn or Maize Leaf Disease Dataset
yang berjumlah 4.188 citra dan terbagi ke dalam empat kelas, yaitu Blight, Common
Rust, Gray Leaf Spot, dan Healthy. Proses pra-pemrosesan citra dilakukan
menggunakan metode Contrast Limited Adaptive Histogram Equalization
(CLAHE) untuk meningkatkan kontras dan memperjelas detail tekstur daun
sebelum dilakukan pelatihan model. Arsitektur yang digunakan adalah ResNet-50
dengan penambahan modul Convolutional Block Attention Module (CBAM) serta
perbandingan beberapa optimizer seperti Adam dan SGD dengan variasi learning
rate untuk memperoleh konfigurasi terbaik. Hasil penelitian menunjukkan bahwa
kombinasi ResNet-50 + CBAM dengan  optimizer SGD dan learning rate 0.01
menghasilkan kinerja terbaik dengan nilai akurasi sebesar 96,03%, precision
96,03%, dan recall 96.03%, yang menunjukkan keseimbangan performa dalam
mengenali serta mengklasifikasikan penyakit pada daun jagung. Penggunaan
metode CLAHE terbukti mampu meningkatkan kualitas citra dan membantu model
dalam mengekstraksi fitur penting secara lebih efektif. Dengan demikian,
pendekatan ResNet-50 + CBAM dan teknik pra-pemrosesan CLAHE dinilai efektif
dalam mengidentifikasi penyakit daun jagung secara akurat serta berpotensi
dikembangkan lebih lanjut untuk sistem deteksi penyakit tanaman berbasis citra
digital.
date: 2026-02-02
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Pascasarjana Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Arwin, Dwi Septiyani  (2026) IDENTIFIKASI PENYAKIT TANAMAN JAGUNG BERDASARKAN CITRA DAUN MENGGUNAKAN COVOLUTIONAL NEURAL NETWORK.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31771/2/24.51.1560%20Dwi%20Septiyani%20Arwin.pdf