IMPLEMENTASI CNN DAN CNN–BILSTM UNTUK IDENTIFIKASI DAUN SEHAT DAN PENYAKIT (KERITING MOZAIK DAN VIRUS GEMINI) PADA TANAMAN CABAI - Dalam bentuk buku karya ilmiah
NI LOKESWARI SASMITA PURI

Informasi Umum

Kode

25.04.6166

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

92 kali

Informasi Lainnya

Abstraksi

Tanaman cabai (Capsicum sp.) merupakan komoditas penting di sektor pertanian<br /> Indonesia yang berperan besar dalam perekonomian. Namun, budidaya cabai<br /> menghadapi tantangan dari serangan penyakit yang menyebabkan penurunan<br /> produksi. Saat ini, identifikasi penyakit pada tanaman cabai masih dilakukan secara<br /> manual. Pendekatan secara manual tidak hanya menghabiskan banyak waktu, tetapi<br /> juga bergantung pada keahlian individu, sehingga meningkatkan kemungkinan<br /> kesalahan dalam identifikasi dan keterlambatan penanganan. Oleh karena itu,<br /> diperlukan sistem deteksi otomatis yang lebih cepat dan akurat untuk membantu<br /> petani dalam mengidentifikasi penyakit pada tanaman cabai.<br /> Klasifikasi penyakit pada tanaman cabai dalam penelitian ini terbagi menjadi tiga<br /> kelas, yaitu: Daun Sehat, Keriting Mozaik, dan Virus Gemini. Penelitian ini<br /> mengembangkan deep learning menggunakan algoritma Convolutional Neural<br /> Network (CNN) dan Bidirectional Long Short-Term Memory (BiLSTM) yang<br /> dilengkapi augmentasi data dengan library Keras. Untuk mengelola proses<br /> pengembangan sistem secara menyeluruh, digunakan metodologi Cross-Industry<br /> Standard Process for Data Mining (CRISP-DM). Metode ini memiliki enam fase<br /> utama, yaitu business understanding, data understanding, data preparation,<br /> modeling, evaluation, dan deployment untuk memastikan pengolahan data berjalan<br /> sistematis.<br /> Hasil evaluasi menunjukkan bahwa model CNN memperoleh akurasi sebesar 95%<br /> dengan nilai hamming loss 0,0476, sementara model Bi-LSTM mencapai akurasi<br /> sebesar 86% dengan nilai hamming loss 0,1429. Model CNN menunjukkan kinerja<br /> klasifikasi yang lebih baik dibandingkan Bi-LSTM dalam mendeteksi penyakit<br /> pada tanaman cabai.

• ISI3F4 - DATA WAREHOUSE DAN BUSINESS INTELLIGENCE
• ISI1A3 - KALKULUS
• III1A2 - PROBABILITAS DAN STATISTIK
• ISI2J4 - SISTEM BASIS DATA
• ISI2F3 - STATISTIKA INDUSTRI

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook