Aditya Rezky Pratama, - (2024) Klasifikasi Citra Penyakit Daun Jagung Menggunakan CNN Arsitektur ResNet-50 dan Augmentasi Data. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text (BAB IV) BAB 1-V (Kecuali BAB IV).pdf - Published Version Download (6MB) | Preview
	Text BAB IV saja.pdf Restricted to Repository staff only Download (6MB)

Abstract

Tanaman jagung merupakan tanaman yang penting dalam produksi pangan dunia. Meskipun jagung dapat tumbuh dalam berbagai kondisi cuaca, tanaman ini rentan terhadap penyakit, terutama pada daunnya. Penyakit daun jagung berdampak buruk pada hasil panen yang menimbulkkan kerugian bagi petani. Penelitian ini menggunakan pendekatan deep learning dengan Convolutional Neural Network (CNN) ResNet-50 dan augmentasi data untuk mengklasifikasikan gambar penyakit daun jagung. Faktor-faktor seperti proporsi pembagian data, tingkat pembelajaran, dan pengoptimalan model dieksplorasi. Sementara data diperkaya dengan teknik augmentasi seperti rotasi, penggeseran, dan flipping. Pada pelatihan data menunjukkan bahwa penggunaan augmentasi data mempengaruhi akurasi model dalam mengklasifikasikan citra penyakit daun jagung. Optimizer RMSProp memberikan akurasi validasi rata-rata tertinggi Non Augmentasi pada pelatihan. Sementara hasil evaluasi dari Confusion Matrix menunjukan penerapan augmentasi data dengan pembagian data 90:10, pengoptimal Nadam, dan learning rate 0,0001 menghasilkan akurasi teratas mencapai 94,36%. Namun, penilaian terhadap kemampuan model dalam mengklasifikasikan citra menunjukkan bahwa konfigurasi yang memanfaatkan augmentasi data, pembagian data 90:10, optimizer Nadam, dan learning rate 0,001 menunjukkan kinerja optimal dengan presisi mencapai 94,50%.

Actions (login required)

View Item