IRMA FITRIANI, - (2026) KLASIFIKASI CITRA PENYAKIT DAUN JAGUNG MENGGUNAKAN DEEP NEURAL NETWORK DENGAN AUGMENTASI DATA. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text (BAB GABUNGAN) Laporan Lengkap Tanpa BAB 4 - Irma Fitriani - IRMA FITRIANI SISTEM INFORMASI.pdf Download (7MB) | Preview
	Text (BAB HASIL) Laporan Bab 4 - Irma Fitriani - IRMA FITRIANI SISTEM INFORMASI.pdf Restricted to Repository staff only Download (3MB)
Preview	Text (SURAT PUBLIKASI) Surat Persetujuan Publikasi - Irma Fitriani - IRMA FITRIANI SISTEM INFORMASI.pdf Download (476kB) | Preview

Abstract

Penyakit daun jagung merupakan salah satu faktor utama yang menyebabkan penurunan produk tivitas tanaman dan berdampak pada ketahanan pangan. Identifikasi penyakit secara manual masih memiliki keterbatasan dari sisi waktu, akurasi, sehingga diperlukan pendekatan otomatis yang lebih efektif. Diperlukan sistem klasifikasi citra penyakit daun jagung berbasis DNN guna mendukung deteksi dini yang cepat dan akurat. Penelitian ini menggunakan empat kelas citra daun jagung, yaitu bercak daun, bulai daun, karat daun, dan daun sehat. Dataset diperoleh dari repositori publik dan dikombinasikan dengan data lapangan sebagai data pengujian. Pemodelan dilakukan menggunakan dua arsitektur DNN, yaitu ResNet50 dan DenseNet169, dengan variasi optimizer (Adam, Nadam, SGD, RMSprop, dan Adamax), learning rate, serta skenario pembagian data 80:20 dan 90:10. Teknik augmentasi data diterapkan untuk meningkatkan kemampuan generalisasi model. Evaluasi kinerja dilakukan menggunakan confusion matrix dan metrik akurasi, precision, recall, F1-score, serta ROC curve. Hasil penelitian menunjukkan bahwa augmentasi data dan pemilihan optimizer berpengaruh signifikan terhadap performa model. Konfigurasi terbaik diperoleh pada arsitektur ResNet50 dengan optimizer RMSprop dan learning rate 0.001 pada skenario pembagian data 90:10 dengan augmentasi data, yang menghasilkan akurasi sebesar 99,21%. Model terbaik selanjutnya diimplementasikan dalam sistem klasifikasi berbasis web menggunakan framework Flask.

Actions (login required)

View Item