Klasifikasi citra penyakit daun padi dengan metode CNN menggunakan arsitektur ResNet50V2

Maulana, Muhamad Filla Akbar (2025) Klasifikasi citra penyakit daun padi dengan metode CNN menggunakan arsitektur ResNet50V2. Undergraduate (S1) thesis, Universitas Merdeka Pasuruan.

[img] Text
COVER.pdf

Download (593kB)
[img] Text
BAB I.pdf

Download (211kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (699kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (529kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (279kB)
[img] Text
BAB V.pdf
Restricted to Registered users only

Download (144kB)
[img] Text
DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (129kB)
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only

Download (2MB)

Abstract

Penelitian ini bertujuan untuk pengembangan sistem klasifikasi penyakit daun padi berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50V2 yang dirancang untuk mengidentifikasi delapan jenis penyakit daun padi, yaitu Bacterial Leaf Blight, Brown Spot, Leaf Blast, Leaf Scald, Narrow Brown Spot, Rice Hispa, Sheath Blight, dan Tungro. Data citra diperoleh dari platform Kaggle, dengan total 15.241 gambar yang telah melalui tahapan preprocessing seperti normalisasi piksel, augmentasi, dan pengubahan ukuran menjadi 224x224 piksel. Model CNN dilatih menggunakan pendekatan transfer learning selama 50 epoch dengan bantuan dua fitur callback untuk menjaga kualitas pelatihan. Evaluasi performa dilakukan melalui confusion matrix dan classification report. Berdasarkan hasil pengujian, model menunjukkan akurasi tertinggi sebesar 94,14% pada data uji, serta nilai precision, recall, dan f1-score yang tinggi di hampir seluruh kelas. Dari hasil ini membuktikan bahwa CNN berbasis ResNet50V2 efektif digunakan untuk mendeteksi penyakit daun padi secara otomatis, dan berpotensi diterapkan sebagai alat bantu bagi petani dalam mempercepat proses identifikasi dan pengambilan keputusan di bidang pertanian.

Item Type: Thesis (Undergraduate (S1))
Uncontrolled Keywords: Klasifikasi, Penyakit Daun Padi, Convolutional Neural Network, ResNet50V2
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Informatika
Depositing User: Perpustakaan Unmer Pasuruan
Date Deposited: 03 Feb 2026 04:01
Last Modified: 03 Feb 2026 04:01
URI: http://repository.unmerpas.ac.id/id/eprint/948

Actions (login required)

View Item View Item