FEBRIANA, BINTANG (2020) TA: IDENTIFIKASI PENYAKIT DAUN APEL MENGGUNAKAN RESNET 50 DILATED CONVOLUTION NEURAL NETWORK. Skripsi thesis, Institut Teknologi Nasional Bandung.

Preview	Text (Cover) 01 Cover 152016078.pdf Download (1MB) | Preview
Preview	Text (Abstrak) 02 Abstrak 152016078.pdf Download (239kB) | Preview
Preview	Text (Daftar Isi) 03 Daftar Isi 152016078.pdf Download (607kB) | Preview
Preview	Text (Bab 1) 04 Bab 1 152016078.pdf Download (373kB) | Preview
Preview	Text (Bab 2) 05 Bab 2 152016078.pdf Download (1MB) | Preview
Preview	Text (Daftar Pustaka) 06 Daftar Pustaka 152016078.pdf Download (293kB) | Preview

Abstract

Klasifikasi penyakit tanaman adalah salah satu bidang ilmu komputer dengan menggunakan deep learning. Identifikasi dini penyakit tanaman yang dilakukan oleh ahli yang cukup mahal harganya dan sulit dijangkau oleh petani. Solusi untuk permasalahan tersebut adalah penggunaan deep learning untuk pendeteksian penyakit daun apel otomatis. Deep learning merupakan suatu algoritma yang dapat digunakan untuk mendeteksi objek apa pun sesuai data set yang dimiliki. Salah satu metode deep learning adalah ResNet (Residual Network) 50 Dilated adalah model Convolution Neural Network (CNN) yang dapat digunakan untuk melakukan identifikasi penyakit daun apel. CNN ini lebih mudah untuk dioptimalkan, dan dapat memperoleh akurasi yang cukup baik. Untuk mendapatkan klasifikasi yang lebih akurat ada penambahan dilated pada filter conv_blok 4 dan 5. Berdasarkan pembangunan sistem menggunakan SDLC model prototype dan hasil pengujian alpha. Dari proses training, menampilkan sistem identifikasi dan hasil identifikasi menggunakan Convolution Neural Network Resnet 50 dilated sistem dapat menentukan jenis penyakit daun apel. Dalam mengidentifikasi penyakit daun apel, model CNN ResNet 50 Dilated untuk dataset dengan jumlah 875 data test mendapatkan nilai akurasi 100%, nilai precision 100% dan nilai recall 100%. Dan untuk dataset dengan jumlah 200 data test yang berbeda memiliki nilai kinerja precision 84%, recall 81%, dan accuracy 81%. Eksperimen training dengan mendapatkan hasil yang optimal berada pada epoch ke 120 dengan nilai accuracy sebesar 81%. Kata Kunci : Deep Learning, Resnet 50 Dilated, Convolutional Neural Network Apple Scab, Apple Rust dan Apple Black Rot.

Actions (login required)

View Item