Triyulinar, Egi Rehani (2023) Klasifikasi penyakit pada daun jagung berdasarkan citra menggunakan metode arsitektur xception-lstm / Egi Rehani Triyulinar</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Indonesia dikenal sebagai negara agraris yang memiliki sumber daya alam dan sebagian besar ekonominya sangat bergantung pada sektor pertanian. Salah satu komoditas pertanian peringkat kedua yang memiliki peranan penting dalam memenuhi kebutuhan pangan terutama sumber karbohidrat bahan baku industri dan pengaturan pola makan di Indonesia adalah jagung (Zea mays ssp.). Selain memiliki potensi yang besar juga terdapat tantangan yang dihadapi pertanian jagung seperti rentan serangan penyakit yang dapat menghambat pertumbuhan dan produktivitasnya. Ciri awal tanaman yang terserang penyakit dapat dilihat dari perubahan warna atau terdapat bercak pada daun tanaman yang disebabkan oleh jamur virus atau mikroba yang sulit diidentifikasi secara kasatmata. Hal ini menjadi perhatian utama di sektor pertanian karena dapat menyebabkan penurunan signifikan gagal panen dan kerugian finansial ekonomi negara. Sehingga diperlukan suatu teknologi diagnosis otomatis yang efektif dan akurat dalam mendeteksi penyakit tanaman jagung. Oleh karena itu penelitian ini bertujuan untuk membangun sistem klasifikasi penyakit berdasarkan citra daun jagung menggunakan model deep learning Convolutional Neural Network (CNN) dengan metode transfer learning Xception yang dikombinasi dengan Long Short-Term Memory (LSTM). Dataset yang digunakan pada penelitian ini sebanyak 4654 dataset bersumber New Bangladeshi Crop Disease dataset berfokus pada citra daun jagung yang dibagi menjadi 90% data training dan 10% data testing. Model Xception-LSTM ini menggunakan fungsi aktivasi ReLu fungsi optimasi Adam dan epoch sebanyak 20 kali. Selanjutnya model akan di deploy pada website menggunakan framework Flask dan blackbox testing untuk pengujian sistem yang menunjukkan 39 dari 40 data sampel citra daun jagung terprediksi sesuai dengan kelasnya. Berdasarkan hasil evaluasi kinerja model Xception-LSTM dengan confusion matrix didapatkan nilai accuracy sebesar 98.93% recall sebesar 98.93% precision sebesar 98.93% dan f1-score sebesar 98.93%. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 14 May 2023 04:29 |
| Last Modified: | 09 Sep 2023 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/370776 |
Actions (login required)
 |
View Item |