<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="141063">
 <titleInfo>
  <title>DETEKSI PENYAKIT BERCAK DAUN DAN JASSID PADA DAUN TERUNG MENGGUNAKAN ARSITEKTUR RESIDUEL NETWORK (RESNET)-50 DAB EFFICIENNET B4</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Teuku Al-Qusairy</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Elektro dan Komputer</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Abstrak – Tanaman terung adalah jenis dikotil dengan batang pendek, bulat, dan&#13;
berbulu. Untuk menopang buah yang lebat, diperlukan penopang berupa batang.&#13;
Daunnya berbentuk bulat panjang dan meruncing di ujungnya. Daun terung&#13;
memiliki dua bagian utama, tangkai daun berbentuk silindris, panjang 5-8 cm, dan&#13;
helaian daun dengan lebar 7-9 cm dengan panjang 12-20 cm. Kualitas daun pada&#13;
tanaman terung sangat berpengaruh terhadap pertumbuhan buah terung, Jika daun&#13;
terung terinfeksi penyakit, produksi buahnya akan berkurang. Bahkan, tanpa&#13;
pengendalian yang tepat, dampaknya dapat sangat serius, sehingga menyebabkan&#13;
kerusakan pada tanaman terung. Penelitian ini melakukan deteksi penyakit daun&#13;
pada tanaman terung berbasis Convolutional Neural Network (CNN), menggunakan&#13;
dataset gambar daun terung. Arsitektur yang digunakan adalah Residual Network&#13;
(ResNet)50 dan EfficientNetB4 dengan luaran yang akan terbagi ke dalam 3 kelas,&#13;
yaitu kelas normal, kelas jassid, dan kelas bercak daun. Hasil evaluasi pelatihan&#13;
menunjukkan bahwa model ResNet-50 memiliki kemampuan yang sangat baik&#13;
secara keseluruhan dalam mendeteksi penyakit bercak daun dan jassid pada&#13;
tanaman terung dibandingkan dengan EfficientNetB4. Dalam penelitian ini&#13;
menunjukkan model pada learning rate 10−4 dan batch size 16 dinilai memiliki&#13;
performa yang baik menggunakan arsitektur ResNet-50 berdasarkan learning curve&#13;
yang goodfitting dengan nilai akurasi sebesar 87% dan precision 88%, recal 87%,&#13;
dan f1score 87%.&#13;
Kata Kunci : Daun Terung, Convolutional Neural Network (CNN), Residual&#13;
Network (ResNet)50, dan EfficientNetB4</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>141063</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-11-15 15:56:29</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-11-15 15:59:31</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>