ETD - UIR

Electronic Thesis and Dissertation

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
    Member Login Online Registration
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject NPM Advanced Search

Last search:

{{tmpObj[k].text}}
Image of KLASIFIKASI PENYAKIT PADA BATANG TANAMAN JAGUNG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)
Bookmark Share

Text

KLASIFIKASI PENYAKIT PADA BATANG TANAMAN JAGUNG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

JELITA LESTARI - Personal Name; ANA YULIANTI - Personal Name;

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit pada batang tanaman jagung menggunakan algoritma Convolutional Neural Network (CNN) berbasis arsitektur EfficientNet sebagai upaya untuk membantu petani dalam melakukan deteksi dini penyakit secara cepat dan akurat. Alur penelitian dimulai dari tahap pengumpulan dataset “Maize Stalk Diseases Dataset” dari Kaggle, yang terdiri atas 300 citra asli dan ditingkatkan menjadi 1.000 citra melalui proses augmentasi guna memperkaya variasi data. Tahap berikutnya meliputi preprocessing citra, normalisasi, perubahan resolusi, serta pembagian data menjadi set pelatihan, validasi, dan pengujian. Metode penelitian dilakukan dengan melatih model CNN menggunakan tiga skenario learning rate, yaitu 0.01, 0.001, dan 0.0001, untuk memperoleh performa terbaik dalam mengklasifikasikan tiga kelas citra, yaitu busuk batang Gibberella, busuk batang Antraknosa, dan batang sehat. Evaluasi performa model dilakukan menggunakan confusion matrix, classification report, dan grafik akurasi-loss. Hasil penelitian menunjukkan bahwa skenario dengan learning rate 0.0001 menghasilkan performa paling optimal dengan akurasi sebesar 96% tanpa indikasi overfitting, sehingga dipilih sebagai model final. Model tersebut diintegrasikan ke dalam aplikasi berbasis web menggunakan Flask, yang memungkinkan pengguna mengunggah citra batang jagung dan memperoleh hasil klasifikasi secara otomatis. Kesimpulannya, sistem yang dikembangkan terbukti efektif dan dapat menjadi alat bantu praktis dalam mendeteksi penyakit batang jagung, sehingga diharapkan mampu meningkatkan efisiensi identifikasi penyakit di lapangan serta meminimalkan risiko kerugian hasil panen.


Availability
#
Teknik Informatika (FAKULTAS TEKNIK UNIVERSITAS ISLAM RIAU PEKANBARU) Informatika 632.3 Jel k
ETD5105II
Available but not for loan - ETD
Detail Information
Call Number
Informatika 632.3 Jel k
Language
NPM
213510559
Publisher
Teknik Informatika : Universitas Islam Riau., 2026
Keyword(s)
Deep Learning
CNN
Klasifikasi Citra
penyakit batang jagung
EfficientNe
Other Information
Petugas
Ayu Agustina
Other version/related

No other version available

File Attachment
  • Please login to see this attachment
Comments

You must be logged in to post a comment

ETD - UIR
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?