Louis Emmanuel Ojahan Hutapea Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Pisang (musa paradisiaca) merupakan komoditas strategis dalam perekonomian Indonesia, namun produktivitasnya menurun akibat serangan penyakit daun seperti Cordana Leaf Spot dan Sigatoka. Penyakit ini menyebabkan terganggunya fotosintesis dan penurunan kualitas buah. Segmentasi citra berbasis deep learning, khususnya menggunakan arsitektur U-Net, menawarkan pendekatan yang lebih presisi dalam mendeteksi dan memetakan area infeksi dibandingkan metode klasifikasi konvensional. Penelitian ini bertujuan untuk mengevaluasi kinerja model U-Net dalam melakukan segmentasi citra daun pisang yang terinfeksi dua jenis penyakit tersebut. Dataset citra dikumpulkan secara langsung dari perkebunan di Aceh Besar sebanyak 473 citra, terdiri dari 225 citra Cordana Leaf Spot dan 248 citra Sigatoka. Proses pre-processing dilakukan melalui cropping, remove background, pelabelan manual, dan augmentasi data menggunakan tujuh teknik transformasi (horizontal flip, vertical flip, rotasi, noise, blur, brightness, contrast, dan hue saturation) untuk meningkatkan jumlah dataset menjadi 5676. Pelatihan model dilakukan dengan konfigurasi tiga variasi learning rate 10⁻³, 10⁻⁴, 10⁻⁵ selama 200 epoch menggunakan arsitektur U-Net. Hasil evaluasi menunjukkan bahwa model U-Net dengan dataset augmentasi dan learning rate 10⁻³ memberikan kinerja terbaik pada data uji, dengan nilai Dice Coefficient sebesar 0.9405, mIoU sebesar 0.8782, Accuracy sebesar 0.9825, Precision sebesar 0.9498, dan Recall sebesar 0.9315. Model ini juga menunjukkan keunggulan signifikan dibandingkan pendekatan klasifikasi terdahulu seperti DenseNet121, Xception, MobileNetV2 dan InceptionV3. Selain itu, augmentasi data terbukti efektif dalam meningkatkan generalisasi dan mengurangi overfitting. Visualisasi hasil segmentasi memperlihatkan bahwa konfigurasi learning rate 10⁻³ dan 10⁻⁴ secara konsisten mampu memetakan pola lesi penyakit dengan baik. Penelitian ini menyimpulkan bahwa model U-Net efektif digunakan untuk segmentasi penyakit daun pisang dan memiliki potensi untuk dikembangkan lebih lanjut sebagai bagian dari sistem deteksi otomatis berbasis citra di sektor pertanian. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 162823 2025-07-17 13:30:21 2025-07-17 14:42:20 machine generated