PENERAPAN CONVOLUTIONAL NEURAL NETWORK
DENGAN ARSITEKTUR ALEXNET UNTUK MENGENALI
PENYAKIT DAUN PADA TANAMAN TOMAT BERBASIS
ANDROID

UPT. PERPUSTAKAAN Universitas Esa Unggul Kampus Emas UEU - Jakarta Barat
Phone	:	021-5674223, ext 282
Fax	:
E-mail	:	[email protected]
Website	:	http://library.esaunggul.ac.id
Support (Customer Service) :
[email protected]

Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:

LIVE SUPPORT

Astrid Chrisafi

! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely

Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

Still Confuse?
Please read our User Guide

UEU » Undergraduate Theses » Teknik Informatika
Posted by [email protected] at 29/03/2022 13:43:40 • 1039 Views

PENERAPAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR ALEXNET UNTUK MENGENALI PENYAKIT DAUN PADA TANAMAN TOMAT BERBASIS ANDROID

Created by :
SURYATNA SACADIBRATA ( 20170801422 )

Subject:	JARINGAN SARAF KONVOLUSIONAL ARSITEKTUR ALEXNET PENYAKIT DAUN
Alt. Subject :	CONVOLUTIONAL NEURAL NETWORK ALEXNET ARCHITECTURE LEAF DISEASE
Keyword:	CNN AlexNet Accuracy

Description:

Tomat adalah komoditi holtikultura yang sangat potensial dibudidayakan di Indonesia. Dilihat dari jenis atau varietasnya, tanaman ini dapat ditanam secara luas baik di dataran rendah maupun di dataran tinggi. Berdasarkan data Food and Agriculture Organization (FAO) tahun 2007-2011, prospek perkembangan tomat Indonesia di kancah ASEAN cukup baik mengingat Indonesia merupakan negara dengan luas panen dan produksi terbanyak untuk tomat di ASEAN. Namun, berdasarkan data dari Badan Pusat Statistik, terjadi penurunan pada produksi tomat di Indonesia pada tahun 2014 mencapai 915.987 ton dan menurun pada tahun 2015 dengan produksi 887.792 ton. Menurut Food and Agriculture Organization of the United Nations (FAO) hilangnya produksi pangan global yang disebabkan oleh hama dan penyakit berada pada kisaran 20%�40%. Produksi tomat di Indonesia yang rendah disebabkan serangan penyakit berupa layu, busuk, serangan virus dan bakteri. CNN memiliki kelebihan dalam mengklasifikasikan gambar input ke kelas masing-masing. CNN adalah teknik deep learning yang digunakan di banyak aplikasi computer vision karena efektivitasnya pada data gambar. Teknik ini menggunakan operasi konvolusi untuk mengekstrak berbagai fitur spasial dan temporal dari data citra. Penelitian ini memperkenalkan sistem pendeteksi penyakit daun pada tanaman tomat dengan menggunakan metode CNN dengan arsitektur AlexNet. AlexNet adalah jaringan CNN dengan struktur jaringan yang relatif dangkal, dan mampu mengekstraksi fitur yang kaya dari gambar Dari hasil uji coba pada dataset, diperoleh model terbaik menggunakan optimizer Adam dengan nilai learning rate 0,0005, jumlah epoch 75, ukuran batch 128, dan loss function categorical cross entropy, memiliki hasil akurasi model rata-rata sebesar 0,98 dan menghasilkan klasifikasi penyakit daun tanaman tomat yang tepat.

Contributor	:	Agung Mulyo Widodo, ST., M.Sc
Date Create	:	29/03/2022
Type	:	Text
Format	:	pdf
Language	:	Indonesian
Identifier	:	UEU-Undergraduate-20170801422
Collection ID	:	20170801422

Source :
Undergraduate Theses of Computer Science

Relation Collection:
Fakultas Ilmu Komputer

Coverage :
Civitas Akademika Universitas Esa Unggul

Rights :
@2022 Perpustakaan Universitas Esa Unggul

Publication URL :
https://digilib.esaunggul.ac.id/penerapan-convolutional-neural-networkdengan-arsitektur-alexnet-untuk-mengenalipenyakit-daun-pada-tanaman-tomat-berbasisandroid-24387.html

[ Free Download - Free for All ]