Anton, Tri (2024) PENERAPAN TRANSFER LEARNING DENGAN INCEPTIONV3 DAN EFFICIENTNET-B4 PADA STUDI KASUS KLASIFIKASI PENYAKIT PADA DAUN SINGKONG. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (THESIS)
22.55.1221 - Tri Anton.pdf - Published Version Download (3MB) |
Abstract
Singkong adalah tanaman yang memiliki permintaan yang tinggi di Indonesia, ditandai dengan peningkatan tingkat produksi seiring waktu. Selain kuantitas, kualitas tanaman harus dijaga, salah satunya dengan memperhatikan gejala penyakit. Gejala penyakit yang timbul pada daun singkong dapat dideteksi dengan inspeksi visual. Tetapi, diperlukan pengetahuan lebih untuk membedakan gejala suatu penyakit dengan penyakit lainnya. Salah satu solusi dari masalah ini adalah pemanfaatan convolutional neural networks (CNN) untuk klasifikasi penyakit. Penulis menggunakan model CNN untuk masalah ini. Parameter penilai kinerja model CNN yang digunakan adalah akurasi, presisi, recall, dan F1-score. penelitian ini akan menggunakan dua arsitektur pada transfer learning, yaitu EfficientNet-B4 dan Inception-V3. Kedua arsitektur ini masih jarang digunakan pada studi kasus terkait. Tujuan peningkatan jumlah parameter ini adalah untuk menemukan konfigurasi optimal pada optimizer dan learning rate yang dapat memaksimalkan performa model. Dengan peningkatan jumlah parameter dan pemanfaatan dua arsitektur pada transfer learning, diharapkan kemampuan model dalam menangani kompleksitas masalah klasifikasi gambar daun singkong penyakit dapat ditingkatkan. Fokus penelitian ini juga akan difokuskan pada penerapan arsitektur EfficientNet-B4 dan Inception V3 dengan skema hyperparameter tuning untuk meningkatkan performa model. Oleh karena itu, penelitian ini diharapkan dapat memberikan kontribusi yang lebih unggul dalam pengembangan CNN untuk klasifikasi penyakit pada daun singkong, dengan performa yang lebih baik dan lebih akurat.
| Item Type: | Thesis (S2 - Magister) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Penyakit singkong, convolutional neural network, computer vision, image classification, densenet, cassava diseases. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Pascasarjana Magister Informatika > PJJ Magister Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 29 Jun 2026 04:27 | ||
| Last Modified: | 29 Jun 2026 04:27 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/31792 |
Actions (login required)
 |
View Item |