Text

KLASIFIKASI PENYAKIT TANAMAN GANDUM MENGGUNAKAN METODE RESNET50V2

---

Tanaman gandum (Triticum aestivum L.) merupakan komoditas pangan penting, namun produktivitasnya sering menurun akibat serangan penyakit seperti Brown Rust, Loose Smut, Powdery Mildew, Septoria Leaf Blotch, dan Yellow Rust. Proses identifikasi penyakit yang masih dilakukan secara manual membutuhkan waktu dan bergantung pada keahlian pakar, sehingga diperlukan metode otomatis yang cepat dan akurat. Penelitian ini bertujuan untuk mengimplementasikan sistem klasifikasi penyakit tanaman gandum berbasis citra menggunakan arsitektur Convolutional Neural Network (CNN) ResNet50 V2. Dataset yang digunakan terdiri dari 841 citra daun gandum dengan enam kelas, yang diperbanyak melalui augmentasi statis. Model dikembangkan menggunakan pendekatan transfer learning dengan partial fine-tuning. Hasil pengujian menunjukkan bahwa konfigurasi terbaik menggunakan optimizer AdamW dengan learning rate 1e-5 dan 30 epoch, menghasilkan akurasi pengujian sebesar 98,42%. Evaluasi dilakukan menggunakan confusion matrix serta metrik akurasi, presisi, recall, dan F1-score. Model terbaik diimplementasikan ke dalam aplikasi website berbasis Flask untuk memudahkan proses klasifikasi penyakit tanaman gandum.

---

Availability

Detail Information

Call Number

Informatika 631.53 Yog k

Language

Indonesia

NPM

213510356

Publisher

Teknik Informatika : Universitas Islam Riau., 2026

Keyword(s)

Klasifikasi
CNN
Transfer Learning
Citra daun gandum
ResNet50-V2

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment