@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 "ANALISIS PENGARUH AUGMENTASI DATA UNTUK\r\nKLASIFIKASI PENYAKIT PADA DAUN TOMAT\r\nMENGGUNAKAN MODEL YOLO11 (Text)"^^xsd:string .
rdf:_1 .
<> ;
bibo:abstract "Tomat (Solanum lycopersicum L.) merupakan komoditas hortikultura penting\r\ndi Indonesia, dengan budidaya yang luas dan berperan besar dalam pendapatan\r\npetani. Serangan penyakit pada daun tomat dapat berdampak langsung terhadap\r\nproduktivitas dan kualitas tanaman, yang berpotensi menyebabkan kerugian\r\nekonomi serta fluktuasi harga. Penelitian ini menggunakan model YOLO11n-cls\r\nuntuk klasifikasi penyakit daun tomat berbasis citra, dengan membandingkan lima\r\nskenario augmentasi data yaitu non augmentation, advanced mixing augmentation,\r\nphotometric augmentation, spatial transformations, dan all augmentation. Hasil\r\nevaluasi menunjukkan bahwa penerapan teknik augmentasi dapat meningkatkan\r\nkinerja model, dengan spatial transformations memberikan hasil terbaik. Akurasi\r\nmencapai 0.987250, dengan precision dan recall masing-masing 0.994, berkat\r\nkemampuan teknik ini dalam menangani variasi geometris pada gambar seperti\r\nrotasi dan pemotongan, yang relevan dalam pengklasifikasian penyakit yang\r\nmuncul dalam berbagai orientasi daun. Sebaliknya, photometric augmentation\r\nmenunjukkan hasil terendah dengan akurasi 0.95425, karena perubahan\r\npencahayaan dan kontras mengaburkan perbedaan visual yang halus antara\r\npenyakit yang mirip, seperti Bacterial Spot yang salah diklasifikasikan sebagai\r\nYellow Leaf Curl Virus. Advanced mixing augmentation memberikan akurasi\r\n0.98015, dengan precision dan recall yang tinggi (0.991), namun beberapa\r\nkesalahan klasifikasi masih terjadi, seperti kebingungan antara Bacterial Spot dan\r\nYellow Leaf Curl Virus. Gabungan teknik augmentasi dalam all augmentation\r\nmenghasilkan akurasi 0.981, dengan precision dan recall 0.987, meskipun sedikit\r\nlebih rendah dibandingkan dengan spatial transformations. Temuan ini menegaskan\r\nbahwa augmentasi berbasis transformasi geometris adalah yang paling efektif untuk\r\nmeningkatkan kinerja model YOLO11, sementara photometric augmentation perlu\r\ndigunakan dengan hati-hati agar tidak mengganggu fitur diagnostik pada daun."^^xsd:string;
bibo:authorList ;
bibo:status ;
dc:hasVersion ;
dct:creator ,
;
dct:date "2026-02-02";
dct:isPartOf ;
dct:issuer ,
;
dct:subject ;
dct:title "ANALISIS PENGARUH AUGMENTASI DATA UNTUK\r\nKLASIFIKASI PENYAKIT PADA DAUN TOMAT\r\nMENGGUNAKAN MODEL YOLO11"^^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 .
rdfs:label "24.51.1639 - Muhammad Arif Kholis Majid.pdf"^^xsd:string .
dc:format "text/html";
dc:title "HTML Summary of #31776 \n\nANALISIS PENGARUH AUGMENTASI DATA UNTUK
\nKLASIFIKASI PENYAKIT PADA DAUN TOMAT
\nMENGGUNAKAN MODEL YOLO11\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 "Ariatmanto"^^xsd:string;
foaf:givenName "Dhani"^^xsd:string;
foaf:name "Dhani Ariatmanto"^^xsd:string;
rdf:type foaf:Person .
foaf:familyName "Majid"^^xsd:string;
foaf:givenName "Muhammad Arif Kholis"^^xsd:string;
foaf:name "Muhammad Arif Kholis Majid"^^xsd:string;
rdf:type foaf:Person .