Skripsi/Tugas Akhir

Analisis Penyakit Tanaman Sawi Menggunakan Metode Pendekatan Deep Learning (Studi Kasus : Tanaman Sawi Hijau)

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Tanaman sawi merupakan salah satu komoditas sayuran yang banyak dibudidayakan karena memiliki nilai ekonomi yang tinggi di pasaran. Pada penelitian ini dilakukan uji coba pada tanaman sawi dengan menggunakan Algoritma Convolutional Neural Network untuk mempermudah petani dalam mengenali jenis penyakit yang menyerang tanaman sawi. Convolutional Neural Network adalah jenis dari algoritma deep learning yang merupakan pengembangan dari Multilayer Perceptron. CNN sering digunakan untuk menyelesaikan permasalahan computer vision terkhususnya pada identifikasi citra dan pengolahan citra.pada penelitian ini dilaukan 2 percobaan pada 500 dataset citra tanaman sawi dengan dimensi gambar 256x256 pixel. Pada percobaan pertama dilakukan pembagian data train 50%, data test 25%, data validation 25% dengan 20 Epoch menggunkan 32 batch per epoch-nya, mndapatkan tingkat akurasi sebesar 74% dan pada percobaan pertama dilakukan pembagian data train 80%, data test 10%, data validation 10% dengan 50 Epoch menggunkan 32 batch per epoch-nya, mndapatkan tingkat akurasi sebesar 88%.
Kata Kunci: Penyakit Sawi, Deep Learning, Convolutional Neural Network

ABSTRACT
Cabbage is one of the vegetable commodities that is widely cultivated due to its high economic value in the market. In this study, an experiment was conducted on cabbage plants using the Convolutional Neural Network (CNN) algorithm to assist farmers in identifying the types of diseases that affect cabbage plants. The Convolutional Neural Network is a type of deep learning algorithm that is an extension of the Multilayer Perceptron. CNN is often used to solve computer vision problems, especially in image identification and image processing. In this research, two experiments were conducted using 500 image datasets of cabbage plants with image dimensions of 256x256 pixels.In the first experiment, the data was divided into 50% training data, 25% testing data, and 25% validation data, with 20 epochs using 32 batches per epoch. The accuracy rate obtained was 74%. In the second experiment, the data was divided into 80% training data, 10% testing data, and 10% validation data, with 50 epochs using 32 batches per epoch. The accuracy rate obtained was 88%.
Keywords: Cabbage Diseases, Deep Learning, Convolutional Neural Network

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-49 RID a - 0715TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xiii + 88 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-49

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 01 Februari 2024

Subjek

Skripsi/Tugas Akhir
Convolutional Neural Network
Deep Learning

Lampiran File