| NIM | H1D019058 |
|---|
| Namamhs | FERRY DARMAWAN |
|---|
| Judul Artikel | Aplikasi Diagnosis Penyakit pada Daun Teh Menggunakan Algoritma Convolutional Neural Network (CNN) Aristektur Inception-ResNet V2 |
|---|
| Abstrak (Bhs. Indonesia) | Penyakit yang menyerang daun teh dapat menyebabkan kerusakan fisio-biokimia yang ada pada daun teh tersebut sehingga dapat menurunkan kualitas rasa, aroma, dan manfaat kesehatan yang dapat diperoleh dari minuman teh. Umumnya, para petani dapat mengenali adanya gejala penyakit yang menyerang tanaman teh dan melakukan proses diagnosis secara mandiri. Pada kenyataannya, proses diagnosis penyakit pada suatu tanaman membutuhkan pengetahuan dan pengalaman yang biasanya hanya dapat dilakukan oleh para ahli. Di sisi lain, dengan jumlah yang terbatas, para ahli harus dapat melakukan proses diagnosis secara cepat, tepat, dan sedini mungkin terhadap tanaman teh dalam jumlah yang besar untuk mengurangi dampak yang ditimbulkan dari penyakit atau hama yang menyerang tanaman teh tersebut. Pada penelitian ini, dibuat aplikasi diagnosis penyakit pada citra daun teh berbasis Android yang diberi nama Adapent (Aplikasi Diagnosis Penyakit Daun Teh) untuk menyelesaikan permasalahan tersebut. Model diagnosis pada aplikasi tersebut dibuat dengan menggunakan dengan algoritma CNN arsitektur Inception-ResNet V2. Data yang digunakan adalah data citra daun teh yang diperoleh dari Peternakan Johnstone Boiyon, Koiwa, Bomet County, Kenya. Berdasarkan analisis hasil yang telah dilakukan, diperoleh model dengan nilai akurasi uji terbaik yaitu sebesar 90,2% pada epoch ke-87 dari 100, yang dilatih dengan menggunakan nilai learning rate sebesar 0,001, ukuran batch sebesar 16, fungsi optimasi RMSprop, fungsi inisialisasi bobot He uniform dan fungsi inisialisasi Glorot normal. Pengujian confusion matrix pada model tersebut menghasilkan nilai precision sebesar 0,913, nilai recall sebesar 0,895, nilai specificity sebesar 0,986, dan F1-score sebesar 0,891. Model dengan nilai akurasi uji terbaik diimplementasikan pada Adapent. |
|---|
| Abtrak (Bhs. Inggris) | Diseases affecting tea leaves can cause physiological and biochemical damage, leading to a decrease in the quality of taste, aroma, and health benefits derived from tea beverages. Generally, farmers can identify disease symptoms and conduct independent diagnostic processes. However, diagnosing plant diseases requires expertise and experience typically possessed by professionals. On the other hand, due to limited numbers, experts need to diagnose tea plants quickly, accurately, and early to mitigate the impact of diseases or pests. This study develops an Android-based leaf disease diagnosis application called Adapent (Tea Leaf Disease Diagnosis Application) to address this challenge. The diagnostic model in the application is built using the CNN architecture of Inception-ResNet V2. The data used consists of tea leaf images obtained from Johnstone Boiyon Farm, Koiwa, Bomet County, Kenya. Through analysis, a model with the highest test accuracy of 90.2% at epoch 87 out of 100 is achieved. The model is trained using a learning rate of 0.001, a batch size of 16, RMSprop optimization function, He uniform weight initialization function, and Glorot normal initialization function. Confusion matrix testing yields a precision of 0.913, recall of 0.895, specificity of 0.986, and F1-score of 0.891. The model with the best test accuracy is implemented in Adapent. |
|---|
| Kata kunci | convolutional neural network, Inception-ResNet V2, kualitas daun teh, pengolahan citra digital |
|---|
| Pembimbing 1 | Ir. Yogiek Indra Kurniawan, S.T., M.T. |
|---|
| Pembimbing 2 | Ir. Dadang Iskandar, S.T., M.Eng. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2023 |
|---|
| Jumlah Halaman | 14 |
|---|
| Tgl. Entri | 2023-07-31 12:17:38.485049 |
|---|