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	File PDF (anyone) ABSTRAK(ABSTRACT).pdf Download (204Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (4Mb) | Minta salinan
Preview	File PDF (Anyone) SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (3405Kb) | Preview

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

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.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit:	2602883926 Digilib
Date Deposited:	21 Apr 2026 07:23
Terakhir diubah:	21 Apr 2026 07:23
URI:	http://digilib.unila.ac.id/id/eprint/98400

Actions (login required)

Lihat Karya Akhir