DETEKSI DINI PENYAKIT TANAMAN TEBU MENGGUNAKAN CITRA DAUN DENGAN PENDEKATAN TRANSFER LEARNING RESNET152-V2

MULAQIYAH FERDY ULYAH (2025) DETEKSI DINI PENYAKIT TANAMAN TEBU MENGGUNAKAN CITRA DAUN DENGAN PENDEKATAN TRANSFER LEARNING RESNET152-V2. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_55201_2102020011.pdf Download (26MB)

Abstract

ABSTRAK Penelitian ini bertujuan untuk mendeteksi dini penyakit pada tanaman tebu (Saccharum officinarum L) melalui citra daun menggunakan pendekatan transfer learning berbasis arsitektur ResNet152V2. Penyakit pada daun tebu, seperti bercak kuning dan karat daun, menjadi hambatan utama dalam peningkatan produktivitas karena sulit diidentifikasi secara dini oleh petani. Pemanfaatan teknologi deep learning, khususnya Convolutional Neural Networks (CNN), menawarkan solusi yang efektif untuk klasifikasi penyakit tanaman secara otomatis dan akurat. Dalam penelitian ini, digunakan transfer learning dengan bobot awal ResNet152V2 dari ImageNet, yang kemudian diadaptasi pada dataset citra daun tebu. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi tinggi sebesar 94,08%, dengan tingkat kesalahan klasifikasi yang sangat rendah pada setiap kelas penyakit. Model yang dikembangkan terbukti konsisten dalam memberikan prediksi yang akurat, sehingga berpotensi besar mendukung sistem deteksi dini penyakit tebu. Dengan demikian, pendekatan ini dapat meningkatkan efektivitas pengelolaan penyakit serta mendukung produktivitas tebu secara berkelanjutan.. Kata Kunci: klasifikasi citra, penyakit daun tebu, ResNet152V2

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Informatika
Depositing User:	Admin Perpus UnivBI
Date Deposited:	30 Mar 2026 09:47
Last Modified:	30 Mar 2026 09:47
URI:	https://eprints.univbinainsan.ac.id/id/eprint/646

Actions (login required)

View Item