KLASIFIKASI PENYAKIT PADA CABAI MENGGUNAKAN PENGOLAHAN CITRA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

• KRISMINANTO TRI SETIAWAN
• 2024

---

Penelitian ini mengangkat masalah klasifikasi penyakit anthracnose pada cabai menggunakan metode Convolutional Neural Network (CNN) dengan tujuan menguji kombinasi hyperparameter dan optimizer untuk menentukan kombinasi optimal. Penelitian bertujuan mengembangkan dan mengevaluasi model CNN yang mampu mengklasifikasikan berbagai jenis penyakit berdasarkan citra medis. Penelitian dilakukan dengan metode kuantitatif tipe eksperimental menggunakan dataset sekunder yang bersumber dari Plant Village Dataset di website Kaggle. Proses pengumpulan data menggunakan dataset sekunder ini. Penelitian bertujuan untuk menerapkan model CNN yang efektif dalam mengidentifikasi cabai dengan mencari kombinasi hyperparameter dan algoritma optimasi terbaik. Hasil penelitian menunjukkan bahwa tingkat akurasi terbaik yang diperoleh dari data menggunakan arsitektur optimal untuk mengklasifikasikan citra penyakit pada cabai adalah sebesar 96.26%. Kesimpulannya, nilai akurasi ini cukup baik dan mampu mengklasifikasikan citra penyakit pada cabai. Implementasi algoritma CNN dilakukan dengan mencari rancangan arsitektur melalui kombinasi hyperparameter dan optimizer. Berdasarkan hasil pengujian kombinasi hyperparameter pada model CNN yang dirancang, setiap hyperparameter dan optimizer yang diuji memiliki pengaruh besar pada model yang dihasilkan. Kombinasi paling optimal yang diperoleh dari hasil pengujian adalah optimizer Adam, 14 convolutional layer, dan 10 epoch.

• Anthracnose
• Cabai
• Convolutional Neural Network (CNN)

https://repository.bsi.ac.id/repo/53521/KLASIFIKASI-PENYAKIT-PADA-CABAI-MENGGUNAKAN--PENGOLAHAN-CITRA-DENGAN-METODE-CONVOLUTIONAL-NEURAL--NETWORK-(CNN)
Anda dapat membaca file tugas akhir ini di repository.