ANALISIS PERBANDINGAN ALGORITMA TEMPORAL CONVOLUTIONAL NETWORK (TCN) DAN BIDIRECTIONAL LSTM DALAM PREDIKSI MULTI-LABEL SERANGAN HAMA TEBU

MUKTI, PRABOWO (2026) ANALISIS PERBANDINGAN ALGORITMA TEMPORAL CONVOLUTIONAL NETWORK (TCN) DAN BIDIRECTIONAL LSTM DALAM PREDIKSI MULTI-LABEL SERANGAN HAMA TEBU. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text (anyone) ABSTRAK(ABSTRACT).pdf Download (209kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (4MB) | Request a copy
Preview	Text (Anyone) SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (3MB) | Preview

Abstract

Industri tebu pada Perusahaan Gula A menghadapi ancaman serius dari serangan hama penggerek batang (Chilo sacchariphagus Bojer), penggerek pucuk (Scirpophaga excerptalis Walker), dan kutu perisai (Aulacaspis tegalensis Zehntner) yang seringkali terjadi secara simultan. Keterlambatan deteksi serangan dapat menyebabkan kerusakan yang tidak dapat dipulihkan, sehingga dibutuhkan sistem prediksi yang akurat. Penelitian ini membandingkan dua arsitektur deep learning, yaitu Temporal Convolutional Network (TCN) dan Bidirectional Long Short-Term Memory (Bi-LSTM), dalam prediksi multi-label tingkat keparahan serangan hama tebu. Dataset yang digunakan merupakan data pengamatan hama tebu Perusahaan Gula A tahun 2022-2023. Tahapan penelitian meliputi preprocessing, feature engineering, hyperparameter tuning dengan random search, pemodelan independen per jenis hama, serta evaluasi menggunakan metrik Akurasi, F1-Macro, dan ROC-AUC. Hasil penelitian menunjukkan bahwa TCN secara konsisten mengungguli Bi-LSTM pada hampir seluruh skenario pengujian dengan nilai F1-Macro dan ROC-AUC yang lebih tinggi. TCN juga terbukti jauh lebih efisien dari segi waktu komputasi. Berdasarkan hasil tersebut, TCN direkomendasikan sebagai model utama untuk sistem prediksi hama tebu, sementara Bi-LSTM dapat difungsikan sebagai model alternatif yang kompetitif. Kata kunci: Temporal Convolutional Network, Bidirectional LSTM, Prediksi Hama Tebu, Klasifikasi Multi-Label.

Item Type:	Other
Subjects:	UNSPECIFIED ?? 004 ??
Divisions:	Fakultas MIPA > Prodi Ilmu Komputer
Depositing User:	2602883926 Digilib
Date Deposited:	21 Apr 2026 07:23
Last Modified:	21 Apr 2026 07:23
URI:	http://digilib.unila.ac.id/id/eprint/98400

Actions (login required)

View Item