SISTEM PAKAR PENYAKIT DAUN PADA KACANG TANAH MENGGUNAKAN
CNN (CONVOLUTIONAL NEURAL NETWORK)
Total View This Week0
Total View This Week0
Institusion
Universitas Nusantara PGRI Kediri
Author
Widodo, Aion Suharis
WULANNINGRUM, RESTY
SWANJAYA, DANIEL
WULANNINGRUM, RESTY
SWANJAYA, DANIEL
Subject
457 Computer engineering
Datestamp
2022-09-03 06:28:20
Abstract :
Proses identifikasi berbasis K-Means pada deteksi citra penyakit daun tanaman kacang tanah menggunakan Convolutional Neural Network (CNN) adalah salah satu metode dalam pengolahan citra digital untuk untuk mendeteksi dan mengenali object pada sebuah image. Salah satu algoritma yang digunakan untuk metode CNN adalah K-Means. Algoritma K-Means berfungsi mengelompokkan citra data masukan dalam beberapa kelompok berdasarkan jarak minimum. Implementasi algoritma CNN dalam mengklasifikasikan citra daun kacang yang terserang penyakit dilakukan dengan mencari rancangan arsitektur terbaik dengan membandingkan beberapa parameter yaitu epoch, jenis optimizer dan skenario dataset. Arsitektur CNN terbaik yang diperoleh berdasarkan dari hasil perbandingan beberapa parameter dalam mengklasifikasikan citra jenis penyakit Angular Leaf Spot, Bean Rust dan Kacang Sehat adalah dengan menggunakan parameter size 40x40 piksel, ukuran kernel 3x3, learning rate 0,001, jenis optimizer Adam, epoch 120, batch size 30 dan skenario perbandingan dataset 90% :10% dengan jenis citra RGB (berwarna). Hasil tingkat akurasi yang diperoleh dari data testing dengan menggunakan model arsitektur terbaik dalam pengklasifikasian citra jenis penyakit pada Kacang berdasarkan daunnya yaitu sebesar 80,00%.
Proses identifikasi berbasis K-Means pada deteksi citra penyakit daun tanaman kacang tanah menggunakan Convolutional Neural Network (CNN) adalah salah satu metode dalam pengolahan citra digital untuk untuk mendeteksi dan mengenali object pada sebuah image. Salah satu algoritma yang digunakan untuk metode CNN adalah K-Means. Algoritma K-Means berfungsi mengelompokkan citra data masukan dalam beberapa kelompok berdasarkan jarak minimum. Implementasi algoritma CNN dalam mengklasifikasikan citra daun kacang yang terserang penyakit dilakukan dengan mencari rancangan arsitektur terbaik dengan membandingkan beberapa parameter yaitu epoch, jenis optimizer dan skenario dataset. Arsitektur CNN terbaik yang diperoleh berdasarkan dari hasil perbandingan beberapa parameter dalam mengklasifikasikan citra jenis penyakit Angular Leaf Spot, Bean Rust dan Kacang Sehat adalah dengan menggunakan parameter size 40x40 piksel, ukuran kernel 3x3, learning rate 0,001, jenis optimizer Adam, epoch 120, batch size 30 dan skenario perbandingan dataset 90% :10% dengan jenis citra RGB (berwarna). Hasil tingkat akurasi yang diperoleh dari data testing dengan menggunakan model arsitektur terbaik dalam pengklasifikasian citra jenis penyakit pada Kacang berdasarkan daunnya yaitu sebesar 80,00%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
