APLIKASI DETEKSI PENYAKIT PADA DAUN BAWANG MERAH MENGGUNAKAN METODE DEEP LEARNING BERBASIS WEBSITE

Kurdi, Adhen (2024) APLIKASI DETEKSI PENYAKIT PADA DAUN BAWANG MERAH MENGGUNAKAN METODE DEEP LEARNING BERBASIS WEBSITE. Diploma thesis, Politeknik Harapan Bersama.

[img] Text (Cover)
Cover.pdf
Download (928kB)
[img] Text (BAB I)
BAB I.pdf
Download (250kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (3MB)
[img] Text (BAB III)
BAB III.pdf
Download (168kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Download (169kB)
[img] Text (Daftar Lampiran)
Daftar Lampiran.pdf
Download (8MB)

Abstract

Penanganan penyakit pada daun bawang merah telah mengalami perkembangan signifikan melalui pemanfaatan teknologi, khususnya dalam bidang Computer Vision dan klasifikasi objek. Proyek ini mengimplementasikan metode klasifikasi Convolutional Neural Network (CNN) dan Deep Learning menggunakan arsitektur ResNet152V2, dengan tujuan mengembangkan model klasifikasi penyakit dan website yang dilengkapi fitur deteksi penyakit serta e-commerce untuk pembelian produk obat. Aplikasi deteksi penyakit ini menunjukkan efektivitas teknologi Deep Learning dengan akurasi 80% pada data validasi, sementara CNN menunjukkan akurasi 56%, menandakan performa yang kurang optimal. ResNet152V2 tanpa augmentasi data menghasilkan akurasi 66% dengan nilai loss 0.7545, sedangkan dengan augmentasi data mencapai akurasi 80% dan nilai loss 0.5031, menunjukkan peningkatan signifikan. Selain itu, RegNet mencapai akurasi pelatihan 82% dengan nilai loss 0.4484, EfficientNetV2 mencapai akurasi pelatihan 76% dan nilai loss 0.7401, sementara YOLOv8 menunjukkan peningkatan performa dengan box loss yang menurun dari 1.9 menjadi 1.3, class loss dari 6 menjadi sekitar 1, dan peningkatan mAP50 dari 0.3 menjadi lebih dari 0.7 serta mAP50-95 dari 0.1 hingga sekitar 0.4. Hasil pengujian ini menunjukkan keunggulan masing-masing model dalam klasifikasi penyakit daun bawang merah, dengan teknik augmentasi data, efisiensi arsitektur, dan metrik deteksi yang komprehensif sebagai faktor penting dalam meningkatkan performa model.

Item Type: Thesis (Diploma)
Subjects: T Technology
Divisions: Teknik > Diploma IV Teknik Informatika
Depositing User: Adhen Kurdi
Date Deposited: 29 Aug 2024 07:35
Last Modified: 29 Aug 2024 07:35
URI: http://eprints.poltektegal.ac.id/id/eprint/3993

Actions (login required)

View Item View Item