eprintid: 30837
rev_number: 6
eprint_status: archive
userid: 2950
dir: disk0/00/03/08/37
datestamp: 2024-01-27 02:54:33
lastmod: 2024-01-27 02:54:33
status_changed: 2024-01-27 02:54:33
type: article
metadata_visibility: show
creators_name: Ramza, Harry
creators_id: hramza@uhamka.ac.id
creators_orcid: 0000-0002-4126-8797
contributors_type: http://www.loc.gov/loc.terms/relators/AUT
contributors_type: http://www.loc.gov/loc.terms/relators/AUT
contributors_type: http://www.loc.gov/loc.terms/relators/CRP
contributors_name: Akram, Ar’rafi
contributors_name: Fayakun, Kun
contributors_name: Ramza, Harry
contributors_id: rafiakram54@gmail.com
contributors_id: kun_fayakun@uhamka.ac.id,
contributors_id: hramza@uhamka.ac.id
title: Klasifikasi Hama Serangga pada Pertanian Menggunakan Metode
Convolutional Neural Network
ispublished: pub
subjects: TK
divisions: 20201
abstract: Abstrak−Serangan hama serangga merupakan ancaman serius yang berpotensi menyebabkan kerugian yang besar dalam produksi pertanian. Oleh karena itu, pengenalan dan pengendalian hama serangga dengan cara yang efektif sangat penting untuk menjaga produktivitas dan kualitas hasil pertanian. Dalam perkembangan teknologi komputer dan kecerdasan buatan saat ini, teknologi komputer dapat digunakan untuk mengenali citra secara otomatis dalam pengenalan objek, khususnya untuk melakukan klasifikasi hama serangga menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Xception. CNN merupakan salah satu jenis jaringan saraf tiruan deep feed-forward yang banyak digunakan dalam analisis citra digital dan dapat mengolah data dalam bentuk pola grid. CNN terdiri dari tiga jenis layer, yaitu convolutional layer, pooling layer, dan fully connected layer. Penggunaan CNN dalam penelitian ini bertujuan untuk memudahkan klasifikasi hama serangga. Proses CNN melibatkan tahapan training, testing, dan validation terhadap hama serangga untuk menentukan klasifikasi citra dari berbagai jenis hama serangga tersebut. Dalam penelitian ini, digunakan 1363 gambar citra dengan 13 kelas hama serangga. Proses training CNN melibatkan beberapa parameter seperti batch size, jumlah epoch, learning rate, dan optimizer. Hasil eksperimen menunjukkan akurasi terbaik pada model ini adalah 93,81% pada tahap pelatihan dan 81,75% pada tahap validasi. Hal ini menandakan bahwa model berhasil melakukan klasifikasi hama serangga dengan menggunakan metode CNN.
date: 2023-09-27
date_type: published
publisher: Seminar Indonesia Journal & Forum Kerjasama Pendidikan Tinggi (FKPT)
official_url: https://ejurnal.seminar-id.com/index.php/bits
full_text_status: public
publication: Building of Informatics, Technology and Science (BITS)
volume: 5
number: 2
pagerange: 397-406
refereed: TRUE
issn: 2685-3310
funders: Universitas Muhammadiyah Prof. Dr. HAMKA
citation:   Ramza, Harry  (2023) Klasifikasi Hama Serangga pada Pertanian Menggunakan Metode Convolutional Neural Network.  Building of Informatics, Technology and Science (BITS), 5 (2).  pp. 397-406.  ISSN 2685-3310     
document_url: http://repository.uhamka.ac.id/id/eprint/30837/1/Klasifikasi%20Hama%20Seranggapada%20PertanianMenggunakan%20MetodeConvolutional%20Neural%20Network.pdf