PUTRI NAZWA SAFIRA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik (S1) 2024 id Indonesia

Skripsi

Abstrak – Cabai merupakan salah satu komoditas pertanian utama di Indonesia. Data yang dirilis oleh BPS pada tahun 2021 sampai dengan 2023 menujukkan bahwa produksi cabai menempati urutan lima besar di antara jenis sayuran lainnya. Pendekatan manual untuk mengidentifikasi penyakit pada daun cabai memiliki keterbatasan, karena kecilnya ukuran daun cabai, lamanya proses identifikasi, dan hasil yang tidak akurat. Tujuan dari penelitian ini adalah untuk membangun suatu model deep learning yang dapat secara cepat mengklasifikasi empat jenis penyakit tanaman cabai berdasarkan daun cabai (leaf curl, leaf spot, whitefly dan yellowish) dengan tingkat akurasi yang baik. Metode yang digunakan yaitu Convolutional Neural Network (CNN) dengan menggunakan arsitektur ResNet50 dan EfficientNetV2-B0. Tugas pertama adalah membangun dataset daun cabai untuk mendukung penelitian klasifikasi penyakit tanaman cabai berdasarkan citra daun cabai. Total jumlah citra daun cabai yang terkumpul di dalam dataset dan digunakan dalam penelitian ini adalah 1500 citra yang terbagi dalam lima kelas (daun cabai sehat dan yang berpenyakit seperti tersebut di atas), kemudian dataset tersebut dilatih dua arsitektur CNN untuk mengklasifikasi gambar-gambar tersebut ke dalam lima kelas. Adapun citra daun cabai di latih dengan 80% citra, validasi dan pengujian dengan 10% citra. Kedua arsitektur tersebut menggunakan epoch: 20, 40, 60, 80, dan 100, dengan learning rate 0,001 dan 0,0001. Performa model ditunjukkan dalam kurva akurasi dan kerugian dan diukur dalam akurasi, recall, presisi, dan F1-score. Hasil penelitian menunjukkan bahwa model klasifikasi yang dibangun dengan ResNet50 menggunakan learning rate 0,001 dan epoch 100 (accuracy 99,33%, precision 99,35%, recall 99,33%, dan F1-score 99,33%) mempunyai kinerja yang lebih baik dari model yang dibangun dengan EfficientNetV2-B0. Akurasi dari model Resnet50 ini juga lebih tinggi dari akurasi model yang dibangun dalam penelitian sebelumnya dengan menggunakan arsitektur yang sama namun dataset yang berbeda (89,27%). Kata Kunci: Convolutional Neural Network (CNN), ResNet50, klasifikasi, penyakit tanaman cabai, leaf curl, leaf spot, whitefly, yellowish. PLANT DISEASES COMPUTER ENGINEERING 621.39 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 128744 2024-08-27 10:58:04 2024-08-27 14:57:00 machine generated