ASSIDDIQI, AKHMAD KHASBI (2022) KLASIFIKASI DAUN TANAMAN JAGUNG DENGAN CONVOLUTIONAL NEURAL NETWORK. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (COVER)
41420110091 - Akhmad Khasbi Assiddiqi - 02 Cover.pdf Download (722kB) | Preview |
|
|
Text (ABSTRAK)
41420110091 - Akhmad Khasbi Assiddiqi - 03 Abstrak.pdf Download (71kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB 1)
41420110091 - Akhmad Khasbi Assiddiqi - 04 BAB 1.pdf Restricted to Registered users only Download (90kB) |
|
|
Text (BAB 2)
41420110091 - Akhmad Khasbi Assiddiqi - 05 BAB 2.pdf Restricted to Registered users only Download (278kB) |
|
|
Text (BAB 3)
41420110091 - Akhmad Khasbi Assiddiqi - 06 BAB 3.pdf Restricted to Registered users only Download (308kB) |
|
|
Text (BAB 4)
41420110091 - Akhmad Khasbi Assiddiqi - 07 BAB 4.pdf Restricted to Registered users only Download (694kB) |
|
|
Text (BAB 5)
41420110091 - Akhmad Khasbi Assiddiqi - 08 BAB 5.pdf Restricted to Registered users only Download (97kB) |
|
|
Text (DAFTAR PUSTAKA)
41420110091 - Akhmad Khasbi Assiddiqi - 10 Daftar Pustaka.pdf Restricted to Registered users only Download (95kB) |
|
|
Text (JURNAL)
41420110091 - Akhmad Khasbi Assiddiqi - 12 Jurnal.pdf Restricted to Registered users only Download (267kB) |
Abstract
Penyakit pada tanaman jagung dapat mempengaruhi produksi jagung, menghambat pertumbuhan tanaman jagung, penurunan kualitas jagung, dan kelangkaan jagung yang memicu kenaikan harga jagung. Hama serangga menjadi salah satu ancaman pada tanaman jagung. Kerusakan yang diakibatkan oleh hama serangga dapat dirasakan secara langsung dengan adanya daun – daun yang berlubang. Pendeteksian lebih dini dapat membantu para petani untuk memaksimalkan hasil panen. Teknik pembelajaran mesin menjadi salah satu teknologi yang telah digunakan untuk menyederhanakan proses klasifikasi penyakit pada daun. Dari beberapa metode yang ada, Convolutional Neural Network (CNN) menjadi metode yang paling mendominasi. Terdapat lima model CNN yang akan dibandingkan untuk melihat performa terbaik pada klasifikasi daun jagung. Hasil pengujian menunjukkan bahwa model VGG16 dan model Inception_V3 memiliki nilai akurasi paling tinggi dengan nilai akurasi 94.44%, dilanjutkan dengan model MobileNet dengan nilai akurasi 91.67%, model Xception dengan nilai akurasi 88.89%, dan model Inception_ResNet_V2 memiliki nilai akurasi paling rendah dengan nilai akurasi 87.50%. Kata Kunci : akurasi, CNN, daun berlubang, model.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41420110091 |
| Uncontrolled Keywords: | akurasi, CNN, daun berlubang, model. |
| Subjects: | 600 Technology/Teknologi > 600. Technology/Teknologi |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | Nasruddin Mansyur S.Hum |
| Date Deposited: | 12 Dec 2022 06:10 |
| Last Modified: | 12 Dec 2022 06:10 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/72417 |
Actions (login required)
 |
View Item |
