DETEKSI PENYAKIT DAUN TANAMAN JAGUNG DENGAN METODE FUZZY C-MEANS DAN DEEP LEARNING

Findley, Enrico and Irianto, Suhendro Yusuf (2022) DETEKSI PENYAKIT DAUN TANAMAN JAGUNG DENGAN METODE FUZZY C-MEANS DAN DEEP LEARNING. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

	Text Cover.pdf Download (71kB)
	Text Halaman Pengesahan dan Halaman Persetujuan.pdf Download (1MB)
	Text Abstrak.pdf Download (69kB)
	Text Daftar Isi.pdf Download (67kB)
	Text Bab 1.pdf Download (57kB)
	Text Bab 2.pdf Download (336kB)
	Text Bab 3.pdf Download (61kB)
	Text Bab 4.pdf Download (1MB)
	Text Bab 5.pdf Download (47kB)
	Text Daftar Pustaka.pdf Download (121kB)
	Text Lampiran.pdf Download (10MB)

Abstract

Jagung merupakan komoditas utama setelah beras dalam mendukung swasembada pangan di Indonesia. Tetapi, karena penyakit pada daun jagung maka kualitas dan kuantitas dari tanaman jagung menjadi berkurang. Permasalahan pendeteksian penyakit daun jagung adalah cara deteksi yang masih manual sehingga tidak efisien dan efektif. Citra digital adalah representasi objek 2 dimensi dalam bentuk kumpulan titik-titik atau piksel-piksel yang berwarna. Oleh karena itu, pada penelitian ini dilakukan pendeteksian citra penyakit pada daun jagung dengan menggunakan metode Fuzzy C -Means (FCM) dan Long Short-Term Memory (LSTM). Pertama dilakukan oversampling agar jumlah data pada semua kelas sama lalu dilakukan data pre-processing, kemudian dimasukkan ke dalam algoritme LSTM. Untuk algoritme FCM+LSTM, setelah proses clustering selesai dilakukan proses highlight area segmentasi, setelah itu baru dilakukan klasifikasi dengan LSTM. Kedua algoritme tersebut dievaluasi dengan metode k-fold cross validation dan dibandingkan dari segi akurasi dan kecepatan algoritmenya. Hasil evaluasi menunjukkan bahwa dari segi akurasi algoritme FCM+LSTM menghasilkan akurasi yang sebesar 86,06% dan algoritme LSTM menghasilkan akurasi 80,24%. Waktu training dan prediksi yang diperlukan algoritme LSTM untuk memprediksi citra penyakit daun jagung adalah 13 menit 18 detik dan 1,59 detik sedangkan untuk algoritme FCM+LSTM adalah 14 menit 28 detik dan 50,64 detik. Kesimpulan penelitian ini adalah algoritme FCM+LSTM memiliki akurasi yang lebih baik, namun memerlukan waktu yang lebih lama dibandingkan dengan LSTM pada dataset citra daun jagung yang digunakan di penelitian ini.

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Enrico Findley
Date Deposited:	03 Apr 2023 05:23
Last Modified:	03 Apr 2023 05:23
URI:	http://repo.darmajaya.ac.id/id/eprint/11576

Actions (login required)

View Item