SISTEM PAKAR DETEKSI PENYAKIT HAMA PADI DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)
(Studi Kasus : Desa Sungai Salak Kecamatan Rambah Samo Kabupaten Rokan Hulu)
Total View This Week0
Total View This Week0
Institusion
Universitas Pasir Pengaraian
Author
RANO SYAIFUL, -
Subject
600 Teknologi dan ilmu-ilmu Terapan
Datestamp
2019-12-02 07:01:05
Abstract :
Convolutional neural network (CNN) merupakan model baru di bidang pengenalan objek. Dikhsuskan untuk input data yang bertipe spatial, CNN memiliki layer khusus, yaitu layer konvulasi dan layer pooling yang memungkinkan proses pembelajaran fitur secara hierarki dari data. Untuk pengenalan karakter tulisan secara offline, Seperti pengenalan karakter pada database MNIST, CNN menunjukkan performa yang lebih baik jika dibandingkan dengan model ataupun metode yang lain. Dengan memanfaatkan keunggulan CNN tersebut, dalam penelitian ini telah dikembangkan sebuah perangkat lunak dengan fitur pengolahan citra dan modul CNN untuk system pakar deteksi penyakit hama padi. Perangkat lunak yang dikembangkan memanfaatkan deteksi kontur dan deteksi epi Canny menggunakan pustaka OpenCV terhadap citra system pakar deteksi penyakit hama padi untuk proses segmentasi. Modul CNN selanjutnya melakukan proses klasifikasi terhadap citra yang telah disegmentasi ke dalam 20 kelas. Untuk evaluasi, kinerja CNN dibandingkan dengan kinerja dari model Multilayer Perceptron ( MLP ) dari sisi akurasi klasifikasi dan waktu latih. Hasil pengujian menunjukkan akurasi dari model CNN mampu mengungguli akurasi dari model MLP meskipun CNN membutuhkan waktu latih yang lebih lama dibandingkan dengan MLP. Katakunci : convulational neural network, sistem pakar deteksi penyakit hama padi..
Convolutional neural network (CNN) merupakan model baru di bidang pengenalan objek. Dikhsuskan untuk input data yang bertipe spatial, CNN memiliki layer khusus, yaitu layer konvulasi dan layer pooling yang memungkinkan proses pembelajaran fitur secara hierarki dari data. Untuk pengenalan karakter tulisan secara offline, Seperti pengenalan karakter pada database MNIST, CNN menunjukkan performa yang lebih baik jika dibandingkan dengan model ataupun metode yang lain. Dengan memanfaatkan keunggulan CNN tersebut, dalam penelitian ini telah dikembangkan sebuah perangkat lunak dengan fitur pengolahan citra dan modul CNN untuk system pakar deteksi penyakit hama padi. Perangkat lunak yang dikembangkan memanfaatkan deteksi kontur dan deteksi epi Canny menggunakan pustaka OpenCV terhadap citra system pakar deteksi penyakit hama padi untuk proses segmentasi. Modul CNN selanjutnya melakukan proses klasifikasi terhadap citra yang telah disegmentasi ke dalam 20 kelas. Untuk evaluasi, kinerja CNN dibandingkan dengan kinerja dari model Multilayer Perceptron ( MLP ) dari sisi akurasi klasifikasi dan waktu latih. Hasil pengujian menunjukkan akurasi dari model CNN mampu mengungguli akurasi dari model MLP meskipun CNN membutuhkan waktu latih yang lebih lama dibandingkan dengan MLP. Katakunci : convulational neural network, sistem pakar deteksi penyakit hama padi..
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
