IMPLEMENTASI PERBANDINGAN ARSITEKTUR MOBILENETV2, NASNETMOBILE, DAN EFFICIENTNET-B0 DALAM DETEKSI PENYAKIT DAUN PADA TANAMAN KOPI BERBASIS GUI

Lairatulrahmi.SY, Fintria (2024) IMPLEMENTASI PERBANDINGAN ARSITEKTUR MOBILENETV2, NASNETMOBILE, DAN EFFICIENTNET-B0 DALAM DETEKSI PENYAKIT DAUN PADA TANAMAN KOPI BERBASIS GUI. S1 thesis, Universitas Jambi.

	Text SKRIPSI_ FINTRIA LAIRATULRAHMI.SY FULL TEXT.pdf Restricted to Repository staff only Download (3MB)
	Text COVER.pdf Download (597kB)
	Text LEMBAR PENGESAHAN.pdf Download (665kB)
	Text Abstrak.pdf Download (65kB)
	Text BAB I.pdf Download (623kB)
	Text BAB V.pdf Download (584kB)
	Text DAFTAR PUSTAKA.pdf Download (600kB)

Abstract

Kopi menjadi komoditas unggul di Indonesia. Indonesia menjadi negara penghasil kopi terbesar ke-empat di dunia dengan jumlah produksi sebanyak 639.305 ton per tahun. Dalam memenuhi permintaan pasar untuk produk kopi, petani kopi di Indonesia dituntut untuk menjaga kualitas dari kopi. Langkah awal dari penjagaan kualitas dari kopi yang diproduksi dapat dilakukan dengan memperhatikan kesehatan tanaman kopi. Petani kopi harus memperhatikan kesehatan tanamna kopi terutama pada daunnya karena daun menjadi alat pernapasan dan tempat penyimpanan makanan pada tanaman. Pengecekan penyakit pada daun tanaman kopi secara manual dapat memakan waktu yang lama sehingga pada penelitian ini peneliti memanfaatkan teknologi deep learning dalam identifikasi penyakit daun tanaman kopi. Convolutional Neural Network merupakan salah satu algoritma deep learning yang sudah terbukti dalam pengklasifikasian berdasarkan citra gambar. Penelitian ini melakukan perbandingan arsitektur CNN yaitu MobileNetV2, NASNetMobile, dan EfficientNet-B0. Perbandingan dilakukan dengan cara memanipulasi jumlah epoch dengan tujuan melihat apakah epoch berpengaruh terhadap accuracy dan loss, Berdasarkan hasil uji coba, MobileNetV2 dengan 20 epoch memiliki akurasi terbaik yaitu 96.07% dengan loss sebesar 0.1334.

Type:	Thesis (S1)
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	LAIRATULRAHMI.SY
Date Deposited:	19 Jul 2024 03:10
Last Modified:	19 Jul 2024 03:10
URI:	https://repository.unja.ac.id/id/eprint/68564

Actions (login required)

View Item