Dahliatul Fitriyah Ningsih, 201769040016 (2021) KLASIFIKASI JENIS PENYAKIT DAUN KENTANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) MODEL ARSITEKTUR GOOGLENET. Sarjana thesis, Universitas Yudharta.
Text (BAB I.pdf)
201769040016_BAB I.pdf Download (313kB) |
|
Text (BAB II.pdf)
201769040016_BAB II.pdf Restricted to Registered users only Download (767kB) | Request a copy |
|
Text (BAB III.pdf)
201769040016_BAB III.pdf Restricted to Registered users only Download (381kB) | Request a copy |
|
Text (BAB IV.pdf)
201769040016_BAB IV.pdf Restricted to Registered users only Download (803kB) | Request a copy |
|
Text (BAB V.pdf)
201769040016_BAB V.pdf Restricted to Registered users only Download (186kB) | Request a copy |
|
Text (COVER DEPAN.pdf)
201769040016_COVER DEPAN.pdf Download (3MB) |
|
Text (DAFTAR PUSTAKA.pdf)
201769040016_DAFTAR PUSTAKA.pdf Download (297kB) |
|
Text (LAMPIRAN - LAMPIRAN.pdf)
201769040016_LAMPIRAN - LAMPIRAN.pdf Download (1MB) |
Abstract
Kentang merupakan komoditi sayuran terbesar di Indonesia. Tanaman kentang tidak luput dari masalah seperti adanya serangan hama dan penyakit yang bisa mengakibatkan kegagalan panen. Proses identifikasi penyakit yang dilakukan manual dengan indera penglihatan manusia memiliki kekurangan yaitu penilaian yang bersifat subyektif yang dipengaruhi oleh kurangnya konsentrasi dan rasa lelah serta perlu pengalaman yang cukup banyak.Penyakit tanaman kentang berupa penyakit busuk daun (late blight) dan terdapat penyakit lain pada tanaman kentang yang sering dijumpai adalah bercak kering (early blight).Deep LEARNING memiliki kemampuan yang baik dalam Computer Vision, salah satunya yaitu image classification atau klasifikasi objek pada citra. Convolutional Neural Network merupakan salah satu algoritma Deep LEARNING dirancang untuk mengolah data dalam bentuk dua dimensi, misalnya gambar atau suara yang merupakan pengembangan dari Multilayer Peceptron (MLP). Penerapan Jaringan Syaraf Tiruan menggunakan metode Convolutional Neural Network dengan arsitektur GoogleNet untuk melakukan proses identifikasi penyakit daun kentang. Pengujian dilakukan dengan 2152 sampel citra daun kentang, 1700 citra sebagai data latih dan 452 citra sebagai data uji. Pengujian menunjukkan metode CNN inidiharapkan memiliki hasil persentase rata- rata accuracy diatas 70%.
Item Type: | Thesis (Sarjana) | ||||||
---|---|---|---|---|---|---|---|
Identification Number: | 004.678 NIN K | ||||||
Contributors: |
|
||||||
Subjects: | Karya Umum > Ilmu Umum dan Komputer | ||||||
Divisions: | Fakultas Teknik > Teknik Informatika | ||||||
Date Deposited: | 05 Aug 2021 14:12 | ||||||
Last Modified: | 08 Apr 2023 02:02 | ||||||
URI: | https://repository.yudharta.ac.id/id/eprint/1362 |
Actions (login required)
View Item |