Klasifikasi Hama Serangga pada Pertanian Menggunakan Metode Convolutional Neural Network

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

Preview

Text (Artikel yang diterbitkan Building of Informatics, Technology and Science (BITS)) Klasifikasi Hama Seranggapada PertanianMenggunakan MetodeConvolutional Neural Network.pdf Download (790kB) | Preview

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.

Item Type:	Article
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik > Teknik Elektro
Depositing User:	Harry Ramza
Date Deposited:	27 Jan 2024 02:54
Last Modified:	27 Jan 2024 02:54
URI:	http://repository.uhamka.ac.id/id/eprint/30837

Actions (login required)

View Item