EVALUASI KINERJA METODE KECERDASAN BUATAN DALAM DETEKSI PENYAKIT PADA DAUN TEBU

Nurul, Fadilah (2025) EVALUASI KINERJA METODE KECERDASAN BUATAN DALAM DETEKSI PENYAKIT PADA DAUN TEBU. Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Lampung.

Preview	File PDF ABSTRAK.pdf Download (8Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (2450Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA PEMBAHASAN.pdf Download (1999Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Produktivitas tanaman tebu (Saccharum officinarum Linn.) sangat dipengaruhi oleh berbagai penyakit yang disebabkan oleh bakteri, virus, dan hama. Deteksi penyakit pada daun tebu sangat penting dilakukan untuk mencegah penurunan hasil panen dan menjaga kualitas produksi gula. Dengan membandingkan Convolutional Neural Networks (CNN) dan Support Vector Machine (SVM), penelitian ini bertujuan untuk menilai keefektifan metode kecerdasan buatan dalam mendeteksi penyakit tebu. Dataset yang digunakan berasal dari Mendeley Data dan mencakup 11 kategori, seperti tebu sehat dan berbagai jenis penyakit. Arsitektur CNN yang digunakan dalam penelitian ini adalah ResNet50 dan InceptionV3, sedangkan SVM digunakan sebagai metode klasifikasi tradisional. Prosedur penelitian meliputi analisis data, pra-pemrosesan, ekstraksi fitur, serta pelatihan dan evaluasi model dengan menggunakan berbagai skenario data. Menggunakan metrix accuracy, presisi, recall, dan F1-score digunakan dalam proses evaluasi. Di antara model CNN, InceptionV3, dengan rasio pembagian data 80%:10%:10%, mencapai akurasi tertinggi sebesar 0.9636, secara signifikan mengungguli arsitektur lainnya. Dalam SVM, kernel linear menghasilkan kinerja terbaik, dengan rasio pembagian data 80%:10%:10%, mencapai akurasi 0.9080.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit:	Nurul Fadilah Nurul
Date Deposited:	01 Jul 2025 07:33
Terakhir diubah:	01 Jul 2025 07:33
URI:	http://digilib.unila.ac.id/id/eprint/89991

Actions (login required)

Lihat Karya Akhir