Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Analisis Penerapan Convolutional Neural Network Dalam Klasifikasi Jenis Penyakit Pada Tanaman (Studi Kasus Daun Tomat)
Rizky Adam Prananda (2021) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Sebagai negara yang agraris, Indonesia menjadikan sektor pertanian sebagai salah satu kekuatan ekonomi di Indonesia. Tomat adalah salah satu jenis tanaman dengan jumlah produksi terbanyak pertahunnya. Disamping itu, tomat termasuk tanaman yang mudah terinfeksi berbagai jenis penyakit, mulai dari penyakit yang disebabkan oleh bakteri, jamur, maupun virus. Jika dilihat dengan kasat mata, ciri yang timbul dari masing-masing jenis penyakit tidak dapat dibedakan secara akurat. Dengan bantuan penerapan Convolutional Neural Network (CNN) sebagai metode klasifikasi jenis penyakit, setiap jenis penyakit pada tanaman tomat akan lebih mudah dikenali secara akurat. Pada penelitian ini akan membahas tentang penerapan Convolutional Neural Network sebagai metode klasifikasi jenis penyakit pada citra daun tomat. Tujuan dari penelitian ini untuk mencari model CNN yang optimal. Makna optimal dibagi menjadi dua kategori yaitu : model optimal berdasarkan nilai akurasi metrics dan model optimal berdasarkan hasil pengujian. Referensi untuk arsitektur CNN yang digunakan adalah LeNet-5. Berdasarkan hasil eksperimen, untuk kategori model optimal berdasarkan nilai akurasi metrics. Menggunakan 1200 data sebagai dataset, model dengan konfigurasi 3 hidden layer dan 64 neuron/filter dapat memperoleh tingkat akurasi tertinggi sebesar 89,90%. Dan untuk kategori model optimal berdasarkan hasil pengujian. Menggunakan 300 data, model dengan konfigurasi 1 hidden layer dan 64 neuron/filter dapat memperoleh tingkat akurasi sampai dengan 80.00%. Proses training dilakukan sebanyak 20 iterasi dengan pembagian data latih dan data validasi sebesar 75% : 25%. Kemudian pengujian dilakukan terhadap trained model menggunakan 100 image data uji dari setiap jenis penyakit.
Ringkasan Alternatif
As an agricultural country, Indonesia has made the agricultural sector to be the one of economic strengths in Indonesia. Tomato is one type of plant with the highest production amount per year. In addition, tomatoes are a plant that is easily infected with various types of diseases, ranging from diseases caused by bacteria, fungi, and viruses. When seen with the naked eye, the characteristics arising from each type of disease cannot be distinguished accurately. With the help of the application of the Convolutional Neural Network (CNN) as a method of classification of disease types, each type of disease in tomato plants will be more accurately recognized. This study will discuss the application of the Convolutional Neural Network as a method of classification of disease types in tomato leaf images. The purpose of this study is to find the optimal CNN model. The optimal meaning is divided into two categories, namely: the optimal model based on the metric accuracy value and the optimal model based on the test results. The reference for the CNN architecture used is LeNet-5. Based on the experimental results, the optimal model category is based on the metrics accuracy value. Using 1200 data as a dataset, a model with a configuration of 3 hidden layers and 64 neurons / filters can obtain the highest accuracy rate of 89.90%. And for the optimal model category based on test results. Using 300 data, a model with a configuration of 1 hidden layer and 64 neurons / filters can obtain an accuracy rate of up to 80.00%. The training process was carried out in 20 iterations with the distribution of training data and validation data of 75%: 25%. Then testing is carried out on a trained model using 100 image test data of each type of disease.