MODELTRANSFERLEARNINGDALAMKLASIFIKASI PENYAKITDAUNJAGUNGMENGGUNAKANARSITEKTUR DENSENET-201

M.SANDYTIRTA (2025) MODELTRANSFERLEARNINGDALAMKLASIFIKASI PENYAKITDAUNJAGUNGMENGGUNAKANARSITEKTUR DENSENET-201. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_56201_2102010026.pdf Download (48MB)

Abstract

Penelitian ini menggunakan model transfer learning dengan arsitektur DenseNet 201 untuk mengklasifikasikan penyakit daun jagung secara otomatis. Dataset terdiri dari gambar daun jagung dengan beberapa kategori penyakit, termasuk daun yang sehat. Proses ini melibatkan augmentasi data untuk meningkatkan akurasi dan mengurangi overfitting. Hasil penelitian menunjukkan bahwa model DenseNet-201 mencapai akurasi 97% pada data uji, menunjukkan keunggulan dalam kinerja dan efisiensi dibandingkan metode lainnya. Penelitian ini membuktikan bahwa DenseNet-201 efektif dalam mendukung deteksi penyakit yang akurat dan cepat untuk praktik pertanian presisi. Kata Kunci:Penyakit Daun Jagung, transfer learning, DenseNet-201, klasifikasi citra

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Rekayasa Perangkat Lunak
Depositing User:	Admin Perpus UnivBI
Date Deposited:	07 Feb 2026 03:07
Last Modified:	07 Feb 2026 03:07
URI:	http://eprints.univbinainsan.ac.id/id/eprint/493

Actions (login required)

View Item