IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN ARSITEKTUR XCEPTION UNTUK IDENTIFIKASI PENYAKIT DAUN PADA TANAMAN DURIAN

Farhat, Febrianto (2025) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN ARSITEKTUR XCEPTION UNTUK IDENTIFIKASI PENYAKIT DAUN PADA TANAMAN DURIAN. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (235Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (6Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA PEMBAHASAN.pdf Download (3068Kb) | Preview

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

Durian (Durio zibethinus Murr) merupakan salah satu jenis buah tropis yang tergolong dalam famili Bombacaceae yang memiliki nilai ekonomis tinggi. Pengelolaan penyakit tanaman umumnya masih menggunakan metode tradisional yang mengandalkan inspeksi visual oleh ahli, pendekatan ini kurang efektif karena memerlukan tenaga kerja yang banyak, biaya operasional, dan kurang terjangkau oleh petani skala kecil di negara berkembang. Selain itu, keterbatasan pengetahuan petani yang kurang berpengalaman dalam mengklasifikasi penyakit pada tanaman dapat menyebabkan pengambilan keputusan yang kurang tepat, sehingga mengakibatkan produktivitas pertanian menurun. Seiring dengan perkembangan teknologi, pendekatan berbasis deep learning menjadi solusi inovatif dalam mendukung bidang pertanian. Pada penelitian ini menggunakan CNN dengan arsitektur xception yang memanfaatkan depth-wise separable convolution untuk menangkap pola dan fitur yang kompleks dengan lebih efisien. Upaya peningkatan performa dilakukan melalui penyesuaian fully connected layer pada arsitektur xception, optimasi hyperparameter serta fine tuning. Dataset yang digunakan terdiri dari lima kelas yaitu Algal leaf spot, Allocaridara attack, Healthy leaf, Leaf blight, dan Phomopsis leaf spot. Hasil penelitian menunjukkan bahwa fully connected layer dengan 128 neuron, 60 epoch, batch size 8, learning rate 0.001, dan optimizer adam, serta fine tuning memberikan hasil yang paling optimal dengan nilai accuracy 95%, recall 94%, precision 95% dan f1-score 95%.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Informatika
Pengguna Deposit:	2507076304 Digilib
Date Deposited:	14 Oct 2025 06:42
Terakhir diubah:	14 Oct 2025 06:42
URI:	http://digilib.unila.ac.id/id/eprint/91078

Actions (login required)

Lihat Karya Akhir