KLASIFIKASI PENYAKIT CITRA DAUN TANAMAN PADI BERBASIS DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Fitrony, Fachri Ayudi (2026) KLASIFIKASI PENYAKIT CITRA DAUN TANAMAN PADI BERBASIS DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 24.55.1617 - Fachri Ayudi Fitrony.pdf - Published Version Download (5MB)

Abstract

Padi merupakan sumber makanan pokok bagi sebagian besar masyarakat di dunia, termasuk Indonesia yang merupakan negara agraris dimana sebagian besar penduduknya menanam dan mengkonsumsi padi. Tentu saja tanaman padi juga memiliki berbagai kondisi penyakit terutama pada daun yaitu diantaranya Brownspot, Healthy, Leafblight dan Hispa. Jika infeksi atau penyakit pada tanaman padi tidak segera diidentifikasi sejak dini maka akan menurunkan produksi dan merugikan petani. Untuk menangani masalah ini dapat memanfaatkan bidang informatika dalam mengidentifikasi penyakit dengan menggunakan image processing dan image classification. Tahapan penelitian dimulai dari identifikasi masalah, studi literatur, penentuan algoritma dan metode. Setelah itu mulai mengumpulkan dataset publik, melakukan augmentasi dataset, kemudian eksperimen training data dengan beberapa percobaan arsitektur CNN, lalu mengevaluasi hasil percobaan, dan terakhir menarik kesimpulan serta menulis laporan. Dataset diambil dari repository publik kaggle dan augmentasi data juga digunakan dalam penelitian ini untuk memperbanyak dataset guna meningkatkan akurasi data training. Dengan latar belakang tersebut maka diusulkan pendekatan sistem pendeteksian penyakit pada daun padi dengan metode deep learning menggunakan Convolutional Neural Network (CNN) dan beberapa perbandingan arsitektur yaitu VGG16, MobileNetV2, Xception, dan InceptionV3. Hasil eksperimen paling baik diperoleh menggunakan arsitektur MobileNetV2 yang menghasilkan akurasi validation 97.15%.

Actions (login required)

View Item