{
      "date_type": "published",
      "date": "2026-01-20",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31783",
      "creators": [
        {
          "nim": "21.51.2096",
          "name": {
            "given": "M. Haikal",
            "lineage": null,
            "family": "Firdaus",
            "honourific": null
          }
        }
      ],
      "department": "Pascasarjana Magister Informatika",
      "metadata_visibility": "show",
      "keywords": "Convolutional Neural Network (CNN), DenseNet-169, Klasifikasi,\r\nKombinasi Fitur, Penyakit Jeruk, Classification, Citrus Disease.",
      "thesis_type": "masters",
      "abstract": "Penyakit pada tanaman jeruk merupakan salah satu faktor utama yang\r\nmenyebabkan penurunan produktivitas dan kualitas hasil panen. Identifikasi\r\npenyakit secara dini melalui citra digital menjadi pendekatan yang efektif untuk\r\nmendukung sistem pertanian cerdas. Penelitian ini mengusulkan penggunaan model\r\nDenseNet-169 untuk klasifikasi penyakit jeruk berbasis citra, dengan dua skenario\r\npengujian, yaitu DenseNet-169 tanpa kombinasi fitur dan DenseNet-169 dengan\r\nkombinasi fitur warna.\r\nPengujian dilakukan pada tiga dataset, yaitu Fruit Disease Image (FDI),\r\nLeaf Disease Image (LDI), dan Mixed Disease Image (MDI), dengan masingmasing\r\n\r\nskenario dijalankan sebanyak lima kali running untuk menguji konsistensi\r\nperforma model. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall,\r\ndan F1-score.\r\nHasil eksperimen menunjukkan bahwa DenseNet-169 tanpa kombinasi fitur\r\nmenghasilkan performa terbaik, dengan rata-rata akurasi mencapai 99,66% pada\r\nFDI, 98,66% pada LDI, dan 98,83% pada MDI. Sementara itu, skenario dengan\r\nkombinasi fitur tetap menunjukkan performa tinggi, namun dengan akurasi yang\r\nrelatif lebih rendah, terutama pada dataset LDI. Analisis confusion matrix\r\nmenunjukkan bahwa model memiliki kemampuan generalisasi yang sangat baik,\r\nkhususnya pada dataset MDI yang menggabungkan citra daun dan buah jeruk.\r\nSecara keseluruhan, penelitian ini membuktikan bahwa DenseNet-169\r\nefektif digunakan untuk klasifikasi penyakit jeruk, dan bahwa penambahan\r\nkombinasi fitur tidak selalu meningkatkan performa model apabila fitur yang\r\ndigunakan menimbulkan redundansi informasi.",
      "lastmod": "2026-06-29 03:47:05",
      "eprint_status": "archive",
      "ispublished": "pub",
      "title": "KLASIFIKASI PENYAKIT JERUK BERDASARKAN\r\nKOMBINASI FITUR MENGGUNAKAN\r\nMODEL DENSENET-169",
      "rev_number": 7,
      "type": "thesis",
      "userid": 12,
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "contributors": [
        {
          "name": {
            "given": "Ema",
            "lineage": null,
            "family": "Utami",
            "honourific": null
          }
        }
      ],
      "documents": [
          {
            "language": "en",
            "files": [
                {
                  "objectid": 319566,
                  "filesize": 8777339,
                  "fileid": 1131412,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131412",
                  "filename": "21.51.2096 - M. Haikal Firdaus.pdf",
                  "hash_type": "MD5",
                  "mime_type": "application\/pdf",
                  "mtime": "2026-06-29 03:43:10",
                  "hash": "3c27f9ea305a29afb4d05a4eff636784",
                  "datasetid": "document"
                }
            ],
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319566",
            "security": "public",
            "docid": 319566,
            "placement": 1,
            "format": "text",
            "main": "21.51.2096 - M. Haikal Firdaus.pdf",
            "rev_number": 1,
            "mime_type": "application\/pdf",
            "pos": 1,
            "eprintid": 31783
          }
      ],
      "full_text_status": "public",
      "dir": "disk0\/00\/03\/17\/83",
      "divisions": [
        "mti"
      ],
      "eprintid": 31783,
      "status_changed": "2026-06-29 03:47:05",
      "institution": "Universitas AMIKOM Yogyakarta",
      "subjects": [
        "000.000.000A"
      ],
      "thesis_name": "tesis",
      "datestamp": "2026-06-29 03:47:05"
    }