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	Text ABSTRAK.pdf Download (241kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (6MB) | Request a copy
Preview	Text SKRIPSI TANPA PEMBAHASAN.pdf Download (3MB) | Preview

Abstract

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%.

Item Type:	Other
Subjects:	?? 004 ?? ?? 005 ?? Universitas Lampung > Fakultas Teknik > Prodi Teknik Informatika
Divisions:	?? Informatika ??
Depositing User:	2507076304 Digilib
Date Deposited:	14 Oct 2025 06:42
Last Modified:	14 Oct 2025 06:42
URI:	http://digilib.unila.ac.id/id/eprint/91078

Actions (login required)

View Item