Please use this identifier to cite or link to this item:
https://repository.unej.ac.id/xmlui/handle/123456789/118875
Title: | Identifikasi Kinerja Arsitektur Transfer Learning Vgg16, ResNet50, dan Inception-V3 dalam Pengklasifikasian Citra Penyakit Daun Tomat |
Authors: | ROZI, Muhammad Iqbal Fathur |
Keywords: | Transfer Learning Convolutional Neural Network Penyakit Tanaman Tomat Citra Digital |
Issue Date: | 21-Jun-2023 |
Publisher: | Fakultas Ilmu Komputer |
Abstract: | Tomat merupakan salah satu tumbuhan holtikultura sekaligus tanaman musiman yang banyak dikonsumsi di Indonesia. Produksi tanaman tomat sering kali terancam oleh serangan hama dan penyakit, sehingga diperlukannya campur tangan teknologi dalam pengidentifikasian penyakitnya. Teknologi untuk mengidentifikasi penyakit yang terfokus pada daun tomat ini menggunakan pengolahan citra dengan metode CNN. Penelitian ini diharapkan dapat menghasilkan perbandingan arsitektur CNN yang terbaik secara akurasi. Terdapat tiga arsitektur CNN yang dibandingkan dalam penelitian ini yaitu, arsitektur VGG16, ResNet50 dan Inception-V3. Dalam pengimplementasiannya, ketiga arsitektur tersebut diberikan perlakuan yang sama seperti penggunaan input piksel, penambahan layers model, dan lain sebagainya. Penelitian ini menghasilkan tingakt akurasi yang berbeda beda. Arsitektur Inception-V3 mendapatkan nilai akurasi dan validasi akurasi sebesar 0.9551 dan 0.9544. Arsitektur ResNet50 mendapatkan nilai akurasi sebesar 0.9578 dan nilai validasi akurasi sebesar 0.9467. Dan nilai akurasi tertinggi didapat dengan nilai akurasi sebesar 0.9754 dan nilai validasi akurasi tertinggi pada 0.9778 menggunakan arsitektur VGG16. |
Description: | validasi_repo_firli_oktober_2023_19 Finalisasi unggah file repositori tanggal 4 Desember 2023_Kurnadi |
URI: | https://repository.unej.ac.id/xmlui/handle/123456789/118875 |
Appears in Collections: | UT-Faculty of Computer Science |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Skripsi Repo Watermark.pdf Until 2028-06-21 | 1.89 MB | Adobe PDF | View/Open Request a copy |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Admin Tools