Agusta Yusalendra, - and Surya Agustian, - and Benny Sukma Negara, BSN (2023) KLASIFIKASI PENYAKIT PADA DAUN ANGGUR MENGGUNAKAN CONVOLUTIONALNEURAL NETWORK DENGAN ARSITEKTUR EFFICIENTNET. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview

Text (BAB IV) Paper Agusta Yusalendra..pdf - Published Version Download (1MB) | Preview

Abstract

Buah anggur sendiri bisa dikonsumsi dan bahkan juga bisa diolah menjadi berbagai produk sehingga buah anggur bisa memberikan nilai tambah. Hal tersebut dapat menciptakan peluang untuk meningkatkan produksi anggur sehingga dapat menambah pendapatan petani anggur serta meningkatkan perkembangan industri pengolahan anggur. Faktor yang mempengaruhi terjadinya penyakit pada tanaman anggur adalah kondisi lingkungan, media tanam, binatang, jamur, dan lain-lain. Penyakit pada daun anggur dapat mengganggu proses pertumbuhan pada tanaman anggur sehinga tanaman anggur tidak mampu menghasilkan buah secara maksimal. Convolutional Neural Network(CNN) memiliki pendekatan yang berbeda dengan traditional machine learning yang mencari dan memilih dari sekian banyaknya feature extraction yang akan ditetapkan. CNN mempelajari feature extraction melalui pola gambar secara otomatis dari proses pelatihan. Hasil Confusion matrix menggunakan data latih sebanyak 1222 yang terbagi menjadi 2 kelas yaitu Tepung Palsu berjumlah 585 gambar dan Cendawan Tepung berjumlah 637 gambar. Pelatihan model EfficienNet-B0 pada penyakit daun anggur yangmenghasilkan nilai akurasi tertinggi terdapat pada eksperimen 2 dengan optimizer Adamdan neuron pada dense yang berjumlah 512 menghasilkan nilai akurasi mencapai 76.2%

Actions (login required)

View Item